CMF：2024中國宏觀經濟專題報告-數據要素市場建設：現狀、問題和建議（75頁）.pdf

《CMF：2024中國宏觀經濟專題報告-數據要素市場建設：現狀、問題和建議（75頁）.pdf》由會員分享，可在線閱讀，更多相關《CMF：2024中國宏觀經濟專題報告-數據要素市場建設：現狀、問題和建議（75頁）.pdf（75頁珍藏版）》請在三個皮匠報告上搜索。

1、數據要素市場建設：現狀、問題和建議主 辦 單 位：中 國 人 民 大 學 國 家 發 展 與 戰 略 研 究 院、中 國 人 民 大 學 經 濟 學 院、中 誠 信 國 際 信 用 評 級 有 限 責 任 公 司承 辦 單 位：中 國 人 民 大 學 經 濟 研 究 所數據要素市場建設：現狀、問題和建議報告人：李三希中國人民大學經濟學院2024年4月12日目 錄一、數據要素市場建設的現狀n 國家層面：出臺多項政策文件，高度重視培育數據要素市場2020.3.30關于構建更加完善關于構建更加完善的要素市場化配置體的要素市場化配置體制機制的意見制機制的意見加快培育數據要素市場，健全要素市場運行機制

2、2021.12.21要素市場化配置綜要素市場化配置綜合改革試點總體方案合改革試點總體方案探索建立數據要素流通規則，健全要素市場治理 2022.12.19關于構建數據基礎關于構建數據基礎制度更好發揮數據要制度更好發揮數據要素作用的意見素作用的意見簡稱簡稱“數據二十條數據二十條”聚焦數據產權、流通交易、收益分配、安全治理四大重點方向，初步搭建我國數據基礎制度體系2024.1.4“數據要素數據要素”三三年行動計劃年行動計劃（20242026年）年）充分發揮數據要素的放大、疊加、倍增作用，構建以數據為關鍵要素的數字經濟n 國家層面：成立國家數據局，統籌推進數據要素流通利用治理模式宏觀統籌，確保數字經濟

3、發展中的分工科學、職責明確形成“1+1+n”的協同治理格局，促進各部門間的數據共享與合作主要職能構建完善的數據基礎制度體系，促進數據要素市場化推動數據資源的整合與開放；優化數據資源配置，提升利用效率核心目標促進數據流通，增強數據市場的活躍度和透明度激發創新活力，為新產業、新模式提供數據支撐利用數據驅動的決策支持，提高國家治理現代化水平n 地方層面：各省市紛紛成立數據管理機構和數據交易所 2014-2016年井噴期（20家）2017-2019年冷靜期（8家）2020-至今（重啟期：30家）香港大數據交易所貴陽大數據交易所武漢東湖大數據交易中心華東江蘇大數據交易中心TDEP交通大數據交易平臺青島大

4、數據交易中心河南平原大數據交易中心山東省新動能大數據交易中心山東省先行大數據交易中心山東數據交易平臺北京國際大數據交易所北部灣大數據交易中心長三角數據要素流通服務平臺合肥數據要素流通平臺全國文化大數據交易中心 各省市自治區陸續新建、整合與數據要素相關的行政管理部門 如山東省大數據局、吉林省政務服務和數字化建設管理局、安徽省數據資源管理局、重慶市大數據應用發展管理局等等 自2014 年以來，全國各地陸續建立了幾十個數據交易機構，拉開了我國數據要素市場建設的序幕n 我國數據要素流通市場活躍度顯著提升 數據要素市場規?？傮w不斷上升預期在2024年達到1592億元 互聯網平臺企業旗下的子平臺等數據交易

5、平臺所提供的數據平臺服務較廣并取得一定市場成效。如京東萬象（京東）、聚合數據、數據寶、百度智能云（百度）、發源地、天元數據、環境云等。6210620737554581510191273159220162017201820192020202120222023E2024E中國數據要素市場規模（不含數據應用，單位：億元）n 當前數據要素流通交易的主要模式與特點 企業間直接交易數據大致需要經歷早期互動、供需匹配溝通、價格和銷售合同談判、合約達成、履約五個階段。早期互動：一方有數據資源，另一方有數據需要，形成交易意向供需匹配溝通：展示方案，合作建模，數據樣本試用，最終達成共識價格和銷售合同談判：個性化報

6、價，議價談判，服務方式溝通合約達成：簽訂合約，做好履約準備履約：包含后續可能的持續服務n 當前數據要素流通交易的主要模式與特點 數據交易平臺撮合例如，上海數據交易所發布的交易服務流程包括交易前、交易中、交易后三個階段，共九個服務功能。數據治理產品登記產品掛牌交易測試交易合約產品交付結清算憑證發放糾紛解決交易前交易中交易后n 當前數據要素流通交易的主要模式與特點 數據交易平臺撮合：北數所交易服務參考模型n 當前數據要素流通交易的主要模式與特點 通過提供API接口進行數據服務可以是數據供給方直接提供API接口，也可以是數據中介將數據供方與數據需方聚合在其服務聯盟網絡中，扮演數據經紀人(交易)和部分

7、數據交付的角色，為供需方提供標準合約、數據傳輸 API 接口以及隱私計算平臺服務。數據供方數據中臺數據需方運營商個人征信公司APIAPIAPI隱私計算平臺銀行互聯網金融機構消費金融服務機構目 錄二、數據要素市場建設的問題n 數據要素市場運行機制 數據要轉化為生產要素，發揮要素作用，需經過資源化、數據共享、交易流通和分析應用的數據價值化過程，依賴云服務、隱私計算、人工智能等數字技術和數據中心等基礎設施支撐，并需要清晰、透明、一致的監管政策保障數據要素市場秩序。據此，可將數據要素市場分為三個層級，分別為價值層、支撐層、政策層。（一）支持層：數據基礎設施及技術支撐不足 從理論上講，區塊鏈、隱私計算、

8、多方安全計算等技術可以應用于數據要素流通交易業務中，以解決數據交易中的數據溯源、隱私保護、數據流通追溯等關鍵問題。然而，實踐中基礎設施和技術環境都離國家的戰略目標、數據要素流通實踐的需求、場內市場和場外市場流通環境建設的需求之間存在相當大的差距。區塊鏈數據溯源隱私計算隱私保護多方安全計算數據流通追溯（二）價值層：市場動能不足 1.數據要素場內交易市場不活躍 中國數商企業超200萬家，近十年年均復合增長率超30%。數據安全、數據合規評估等類數商企業增速較快，推動了以場外交易為主的數據要素市場交易規模持續擴大。但我國場內數據交易規模僅占到整個數據交易規模的5%左右，場內數據產品有效供給不足。數據要

9、素市場規模、數據產品供應商分別超1000億元、超150萬家場內數據交易所（中心）超50家場內數據交易規模僅占整個數據交易規模的5%數據來源：工信部數據要素市場生態體系研究報告（2023 年）（二）價值層：市場動能不足3913129920142015201620172018201920202021平臺數量全國全國43個交易平臺：個交易平臺：有有10家處于停運狀態，家處于停運狀態，8家沒有網站，家沒有網站，11家屬于擬建狀態。家屬于擬建狀態。三分之二的平臺沒有三分之二的平臺沒有正常運營。正常運營。2014-2021年我國設立的數據要素交易平臺數年我國設立的數據要素交易平臺數數據來源:根據黃麗華(2

10、022)整理n 數據供給側面臨的主要現實問題04公共數據開發激勵不足-政府尚未明確向公共數據授權運營單位收取費用的收費項目和收費標準-2020年中央網信辦開展公共數據資源開發利用試點，始終未向授權運營單位收取相關費用03科研類數據共享程度不足-造成“科研數據割據”，不利于科研類數據資源的價值釋放-國家蛋白質科學研究設施等大科學裝置產生的數據及中國海洋大學等科研院所采集的海洋、農業等專業領域數據02個人數據開發利用成本較高-個人授權成本較高-個人數據匿名化無清晰標準-個人共享數據動力不足-貴陽推出個人數據信托模式：脫敏后每份信息定價20元，提供者可獲得8元01合規成本過高-監管法律施加巨大合規壓

11、力-網絡安全法：“販賣50條個人信息可入罪”-為獲取數據合規評估法律意見書，企業平均需支付15-20萬元人民幣n 數據需求側面臨的主要現實問題缺乏數據分析技術能力企業缺乏數據分析技術和實力數據無法轉化為實際的業務價值數據治理發展情況調研分析報告：大中型企事業單位不同程度普遍存在數據治理能力不高等問題中小企業數據治理水平更低總體而言，僅少部分數據得到開發利用或沒有開發利用的企業大于80%。數字化轉型進程緩慢企業對于數據價值的認識與挖掘不夠深入，未能充分利用數據驅動業務決策和創新2022年埃森哲中國企業數字化轉型指數報告：2022年數字化轉型成效顯著的中國企業比例不到兩成公共數字化應用場景開放度低

12、大量公共數字化應用場景尚未對市場充分開放2022中國地方政府數據開放報告：目前全國地級、副省級和省級開放平臺只占全國覆蓋率一半 已上線的平臺開放的數據數量較少，容量較低 國有企事業單位數據同樣存在開放不足問題，如公共交通、氣象等高價值場景數據有效需求動能不足n 數據供需匹配環節面臨的主要現實問題供需不對稱 -“有數無市”和“有市無數”問題 -供應商缺少個性化定制模式，交易機構多停留在簡單撮合交易模式213醫療健康數據“有數無市”醫療機構每日產生大量數據，應用價值極大醫療數據具有高度敏感性和隱私性，被嚴格限制使用醫療數據標準化程度低，數據難以整合、共享工業企業對于能夠提高生產效率和產品質量的特定

13、大數據應用有顯著需求數據供應商往往提供通用數據服務和產品，缺乏針對特定企業的定制化解決方案n 數據供需匹配環節面臨的主要現實問題價格發現機制不完善 公共數據定價機制不健全企業數據價格形成機制不健全制定公開的公共數據定價目錄，納入政府指導定價范疇采取一對一議價方式收取相關費用“點對點”交易為主賣方自主定價報價買賣雙方協商議定案例：電商平臺用戶數據價格高度差異化數據供需匹配面臨問題 高度的信息不對稱雖然當前的數據交易市場能夠作為展示數據的窗口，但是買家仍需要付出較大的搜索成本，依賴于賣家維護的元數據來尋找對自己有用的數據集，賣家需要非常專業解釋自己數據結構與內容。搜索匹配成本11.賣家有更多關于數

14、據質量信息2.買家有更多關于數據價值信息數據質量與價值信息不對稱2買賣雙方在價格談判上花費了大量時間和精力。且對于數據是否合規等問題需要花費大量時間和成本確認。此外，數據交易中的安全風險也存在巨大信息不對稱。交易成本3（一）制度與法律法規層面的問題：現實案例事件時間內容微信讀書案2020年個人信息權知網違規收集個人信息案2023年個人信息權抖音訴小葫蘆直播數據抓取案2021年商業數據使用與不正當競爭騰訊訴淘卓案2022年商業數據使用與不正當競爭抖音訴刷寶案2023年商業數據使用與不正當競爭滴滴網絡安全審查2021年數據安全特斯拉將數據傳至境外服務器2021年數據安全平安銀行管理信息違規2023

15、年數據安全微博訴簡亦迅案2024年非法調用服務器API接口n（三）政策層：相應制度與法規仍然不完善制度與法律法規層面的問題 1.數據確權等權屬分置問題 理論與實踐中劃分數據權屬困難重重。0202030304040101數據法律屬性的不同認知1.人格權益；2.財產權；3.知識產權；4.新型財產權；5.復合權利；6.否定。數據所有權難以歸于單方主體1.“一數多權”；2.個人數據控制與企業激勵。數據分級分類問題未解決個人數據、企業數據和政務公共數據，原生數據和衍生數據等。法律確權探索收效甚微深圳經濟特區數據條例（征求意見稿）、民法典等對數據權屬的界定進行了探索嘗試，但實際效果不佳。制度與法律法規層面

16、的問題 2.數據安全合規成本問題 數據交易過程中面臨的合規安全等風險成本，導致買賣雙方的參與意愿不高，數據市場流動性不夠。上海數據交易所提出的數據交易原則：“不合規不掛牌，無場景不交易”數據合規個人信息保護數據來源合規性可流通等方面網絡安全其他相關法律法規其他相關法律法規個人信息保護法個人信息保護法網絡安全法網絡安全法數據安全法數據安全法數據監管法治體系制度與法律法規層面的問題 3.數據要素流通市場建設的相關制度不健全數據交易制度缺失數據交易監管機構數據交易市場準入、數據濫用、數據交易糾紛等問題缺乏科學監管數據交易和應用的專門性法律法規對于哪些數據可以交易、可以處理后交易或禁止交易，并沒有明確

17、的法律依據。數據交易平臺的統一標準國內數據交易平臺幾類模式并存，數據標準化程度低，數據交易登記結算體系尚不完備030301010202（一）制度與法律法規層面的問題 4.數據壟斷如何判斷 是否存在數據壟斷，如何判斷？反壟斷法如何適用？如何平衡數據生產與數據分享中動態與靜態效率？兩類壟斷：企業壟斷數據；企業利用數據的壟斷，實施其他壟斷行為，比如自我優待等基于大數據的匹配效率提升具有規模經濟效應。大數據的匹配效率動態技術進步與創新平臺基于大數據能力的行為對用戶的影響具有兩面性：服務改進還是算法歧視？平臺服務壟斷與動態技術進步創新之間的關系是非線性的。目 錄三、數據要素市場建設的建議市場失靈n 成因

18、分析：市場失靈信息不對稱負外部性壟斷協調失靈 數據需求方缺乏明確清晰的數據需求描述，無法準確傳達自己所需的數據類型、質量和數量。數據供給方難以準確描述自己能夠提供的數據結構和數據價值。供需匹配難增加了交易成本，提升了風險。數據流通可能帶來隱私泄露問題，產生負外部性。企業出于商業秘密保護和核心競爭力的考慮嚴格保護數據。例如：加入工業互聯網的企業在獲取數據的同時也面臨著公開自身技術數據的問題。產業鏈上的各企業在數字化時可能存在協調失靈問題。協調失靈也可能發生在單個集團公司內部的不同部門之間。政策不明確、不穩定 企業無法形成穩定預期，會采取“法無授權不可為”的策略來規避政策風險，從而導致缺乏發展活力

19、。公共數據缺乏數據共享激勵機制一是怕擔責而不共享二是缺乏相應激勵而不共享數據交易所重復建設1.各地大數據交易所多停留在“一把手”工程，存在重復建設和經營不佳的問題。2.建設中存在監管不完備、缺乏統籌布局、治理機制不完善等問題。面臨發展與安全的二元政策矛盾1.對于多個管理部門，關注重點的不同容易產生在發展和安全之間的政策矛盾。2.政策和規則不統一，易造成數據跨行業、跨地區流通應用的阻礙。n 成因分析：政策失靈u 1.數據生產要素的價值在于產生提質降本增效和促進創新的經濟效益，核心在于開發和利用數據。u 2.數據市場建設要有利于數據的充分開發利用，而不是要最大化數據交易量和交易額。u 3.審慎對待

20、數據作為一種資產的入表、用于抵押和融資。n 應對問題的基本思路溫州實現數據資產溫州實現數據資產“入表入表”第一單第一單 2023年10月，浙江省溫州市大數據運營有限公司的數據產品“信貸數據寶”完成了數據資產確認登記。溫州市財政局在通告中稱，這是溫州數據資產確認登記第一單，也是目前國內有公開報道的、財政指導企業數據資產入表第一單。首單工業互聯網數據資源入表落地桐鄉首單工業互聯網數據資源入表落地桐鄉 2024年1月，浙江五疆科技發展有限公司已完成數據資源入表準備，并正式啟動入表工作。本次試點形成的數據資產是“化纖制造質量分析數據資產”。該數據包含了2787萬條質量管理數據，27個數據模型，38類指

21、標體系。案例：數據資產入表（一）理解數據作為生產要素的價值n 應對問題的基本思路嘗試多層次的交易模式重視數據交互的重要作用（二）尋找數據要素的高效流通模式，兼顧交易和交互兩大主線 數據交互指多方共享數據來支撐業務打通和創造新價值，共享業務發展帶來的紅利。數據交互模式下沒有確權、估值、“入表”和交易規則等服務需求，數據是否登記也不成為其可流通的必要條件。需要解決匿名化標準、隱私保護責任邊界、數據跨境流動、數據安全技術開發、大企業數據壟斷等問題 培育專業的數據要素市場參與主體：引入第三方專業機構，試點數據信托模式。借鑒國內實踐的成功經驗，如北京大數據交易所的“數據可用不可見、用途可控可計量”的交易

22、模式，以及上海大數據交易所的數商新業態與數據產品登記憑證。積極提供質量評估、合規性評估、資產評估和糾紛仲裁等配套服務，推動數據溯源和可信交易。n 應對問題的基本思路數據交互的主流模式消費者平臺數據交互的典型模式 跨境電商平臺有海量實時數據，為平臺上的國內外客戶和商戶服務，打通全鏈條數據交互。通過消費者偏好感知、智能廣告推送、獲得客戶訂單、生產者排產制造、商戶發貨、物流體系配送直到商品交付給消費者這個運作全鏈條的數據拉通，支持平臺全球業務發展和生態圈的不斷拓展。數據交互的主流模式是API（應用程序編程接口）模式，即通過應用程序接口拉通數據，這種模式允許不同的應用程序或系統之間進行數據交換和集成，

23、實現數據流通和共享。API模式在數據流通中的應用非常廣泛，可以幫助實現數據共享、數據交換、數據遷移、數據同步等功能。產業互聯網 通過數據交互支持產業鏈從供應端到客戶端各個環節的業務銜接和融通，提高產業全鏈運行效率。u 1.類似于技術和知識，數據并非共享范圍越廣越好。雖然數據的非競爭性意味著從事后角度來看數據分享越多越好，但這也可能會降低針對數據的投資激勵。u 2.需要審視用于判斷數據共享是否不足的標準，以合理的共享程度為目標有助于提升社會福利。（三）如何有效保護數據投資激勵：數據是否利用和共享范圍越廣越好？u 數據的價值取決于服務能力，現階段應用數據的能力更為重要。在面臨擁有海量數據的阿里、京

24、東和騰訊微視的競爭下，拼多多和字節成功崛起。ChatGPT大模型在美國崛起，也是技術和經濟環境等多種因素的共同作用，而不僅僅是由數據量的差異導致。比起單純的數據量，技術和有利于創新的體系、制度和經濟環境更加重要。（四）數據流通利用的關鍵：數據重要還是技術重要？n 應對問題的基本思路n 具體建議（一）技術創新與制度保障 加強技術研發與人才培養加速新技術研發，助力數據流通安全與效率提升。加強數字經濟人才培養。建立健全數據安全保障與合規交易機制盡快明確相應政策，尤其是安全政策，劃清楚紅線探索“盡職免責”的方案，尤其是打破“法無授權不可為”的市場預期。激發市場活力 構建合理的市場參與者激勵機制提高數據

25、產品的質量和吸引力。在需求端提升各行業的數字化水平，推動數據要素的需求與應用場景等。優化數據流通交易模式，降低市場摩擦重視數據交互的流通方式，協調推動數據交易和數據交互兩種數據要素流通渠道。引導社會資本投入謹防形成行政壟斷。數據交易平臺可以對市場放開一些公共數字化的應用場景可以適當對市場放開?；驹瓌t：明確有效市場是數據要素市場發展的基礎，政府的作用則是在市場失靈時進行補充和引導，政策制定需要且應當遵循市場規律和原則。n 具體建議（二）以發展數據交易平臺為抓手，進一步完善數據要素市場生態建設u 以構建互信協同的生態系統為前提、以機制和技術為驅動、以業務創新、合規創新、模式創新為核心n 具體建議

26、（三）探索更加完善的數據要素定價與收益分配體系商業用途公益用途企業數據市場化定價價格上限指引公共數據價格下限指引價格上限指引u 當前不存在某種能適應所有交易的統一定價辦法，傳統的成本法、收益法和市場法都存在缺陷。u 應綜合各種定價方法，采用分類的差異化定價，盡量拓寬數據交易的使用場景，并據此作為定價基礎u 面對標準化程度高、投入產出都能清晰衡量、價值比較穩定的數據產品，采用成本法，依據形成過程中的勞動和資本投入定價；u 面對高稀缺性、高價值、受市場供求較大的數據產品，采用拍賣法，實時定價；u 面對定制化的數據產品或服務，采用協議定價方法。根據數據的來源與用途，提出22矩陣定價思路數據用途數據來

27、源深度分析數據要素市場建設現狀、問題和建議，深度分析數據要素市場建設現狀、問題和建議，CMFCMF 專題報告發布專題報告發布4月13日，CMF 宏觀經濟熱點問題研討會（第83期）于線上舉行。本期論壇由中國人民大學一級教授、經濟研究所聯席所長、中國宏觀經濟論壇（CMF）聯合創始人、聯席主席楊瑞龍楊瑞龍主持，聚焦“數據要素市場建設：現狀、問題和建議”，來自國內政界、學界、企業界的知名經濟學家王建冬、黃麗華、鄒傳偉、林琳、李三希王建冬、黃麗華、鄒傳偉、林琳、李三希聯合解析。論壇第一單元，中國人民大學經濟學院教授、中國宏觀經濟論壇（CMF）主要成員李三希李三希代表論壇發布題為數據要素市場建設：現狀、問

28、題和建議的 CMF 中國宏觀經濟專題報告。報告圍繞以下三個方面展開：報告圍繞以下三個方面展開：一、數據要素市場建設的現狀二、數據要素市場建設的問題三、數據要素市場建設的建議一、數據要素市場建設的現狀一、數據要素市場建設的現狀數據要素是數字經濟時代最為重要的生產要素之一，我國出臺多項政策文件，高度重視數據要素是數字經濟時代最為重要的生產要素之一，我國出臺多項政策文件，高度重視培育數據要素市場培育數據要素市場。2020年將數據定義為與勞動、資本、土地、技術并列的第五大生產要素。2022年由國家發改委牽頭制定了“數據二十條”，聚焦數據產權、流通交易、收益分配、安全治理四大重點方向，初步搭建我國數據基

29、礎制度體系。今年上半年由國家數據局牽頭頒布了“數據要素”三年行動計劃（20242026年），將數據要素同傳統產業和傳統應用場景進行融合，充分發揮數據要素的放大、疊加、倍增作用，構建以數據為關鍵要素的數字經濟。其次，我國成立了國家數據局，統籌推進數據要素流通利用。其主要職能是構建完善的數據基礎制度體系，促進數據要素市場化，推動數據資源的整合開放，優化數據資源的配置和提升應用效率。各個地方紛紛成立相應的數據管理機構和數據交易所，據不完全統計，自自20142014年以來，全國各地陸續建立了幾十個數據交易機構，拉開了我國數據要素市場建設的序年以來，全國各地陸續建立了幾十個數據交易機構，拉開了我國數據要

30、素市場建設的序幕。幕。我國數據要素流通市場活躍度顯著提升，總體規模不斷上升，預計我國數據要素流通市場活躍度顯著提升，總體規模不斷上升，預計20242024年可達到年可達到15921592億億元。元。除政府推動的數據交易所，互聯網平臺企業旗下的子平臺等數據交易平臺所提供的數據平臺服務較廣并取得一定市場成效。目前數據要素流通交易的主要模式主要有以下三種：第一，企業間直接交易數據。第一，企業間直接交易數據。數據的供給方和需求方通過早期互動、供需匹配溝通，包括對于價格和合同的談判，最后簽訂合約和履約來完成數據交易。第二，數據交易平臺撮合。第二，數據交易平臺撮合。例如，上海數據交易所發布的交易服務流程包

31、括交易前、交易中、交易后三個階段，共九個服務功能。交易前需到達合規要求，包括數據治理、產品登記、產品掛牌。交易中包括交易測試、交易合約、產品交付、結清算。交易后包括憑證發放和糾紛解決。北數所交易流程由交易申請、交易磋商、交易實施和交易結束四個環節構成，除了撮合數據交易之外提供了其他衍生服務，如資產評估、法律服務和數據審計等。第三第三，提供提供 APIAPI 接口進行數據服務接口進行數據服務。一方面，數據供給方可以直接給數據需求方開放 API接口，另一方面也可以通過數據中介將數據的供需雙方拉到自己的網絡中，向他們提供相應服務和 API 接口。二、數據要素市場建設的問題二、數據要素市場建設的問題（

32、一）數據要素市場運行機制一）數據要素市場運行機制數據要轉化為生產要素，發揮要素作用，需經過資源化、數據共享、交易流通和分析應用的數據價值化過程，依賴云服務、隱私計算、人工智能等數字技術和數據中心等基礎設施支撐，并需要清晰、透明、一致的監管政策保障數據要素市場秩序。據此，可將數據要素市場分為三個層級，分別為支撐層、價值層、政策層。支撐層是數據要素的基礎設施及技術支支撐層是數據要素的基礎設施及技術支撐，價值層包括數據供應商、數據交易機構和分析應用方，政策層是指構建統一數據標準、撐，價值層包括數據供應商、數據交易機構和分析應用方，政策層是指構建統一數據標準、推動公共數據開放、激勵市場主體數據共享、科

33、學界定數據產權等。推動公共數據開放、激勵市場主體數據共享、科學界定數據產權等。1 1、支撐層、支撐層從理論上講，區塊鏈、隱私計算、多方安全計算等技術可以應用于數據要素流通交易業務中，以解決數據交易中的數據溯源、隱私保護、數據流通追溯等關鍵問題。然而，實踐中基礎設施和技術環境都離國家的戰略目標、數據要素流通實踐的需求、場內市場和場外市場流通環境建設的需求之間存在相當大的差距。2 2、價值層、價值層中國數商企業超過200萬家，近十年年均復合增長率超過30%。但值得注意的是，我國場內數據交易規模僅占到整個數據交易規模的5%左右，這意味這場內交易市場相當不活躍。根據黃麗華老師2022年整理的數據可以看

34、到，全國43個交易平臺有10家處于停運狀態，8家沒有網站，11家屬于擬建狀態，三分之二的平臺沒有正常運營。我國數據供給側主要面臨以下四個現實問題：第一，合規成本過高。第一，合規成本過高。相對于其他生產要素，數據具有更高的流動性和可復制性，為避免合規風險，相關監管法律往往要求對數據進行嚴格完善的合規性評估，對數據供給方施加巨大合規壓力。例如，網絡安全法規定販賣50條個人信息可入罪，數據流通出去之后的責任認定問題也同樣限制了數據供給，使得企業不得不謹慎對待數據的流通利用，以免觸碰法律紅線。目前，企業進行數據交易需要平均支付15-20萬元人民幣來獲取專業律所提供的 數據合規評估法律意見書，這是相當大

35、的成本。第二，個人數據開發利用成本較高。第二，個人數據開發利用成本較高。個人數據的合規使用需要獲取個人授權。從當前實踐看，一是個人授權成本較高。一是個人授權成本較高。群體個人數據授權難度較大，如商業保險公司可依靠群體個人健康數據，開發新險種，創新產品和服務。然而，在實踐中，此類數據拿到完整授權難度較大。二是個人數據匿名化無清晰標準二是個人數據匿名化無清晰標準。AI 大模型訓練中需要大量個人數據，由于此類數據脫敏無清晰標準，目前多采用隱去電話、姓名、身份證號等關鍵信息等模式，是否合規仍處于模糊地帶。三是個人共享數據動力不足。三是個人共享數據動力不足。個人尚未在其個人數據共享中獲取收益，導致個人數

36、據流轉和開發利用的內生動力不足。第三，科研類數據共享程度不足。第三，科研類數據共享程度不足。例如國家蛋白質科學研究設施、上海超級計算中心等大科學裝置產生的數據以及像中國海洋大學、中國農業大學等科研院所采集的海洋、農業等專業領域數據等，往往都是在科研過程中收集存儲，但事后科研數據共享從業人員或者數據貢獻人極少選擇主動共享數據，進而產生“科研數據割據”現象，不利于科研類數據資源的價值釋放。第四，公共數據開發激勵不足。第四，公共數據開發激勵不足。目前政府和事業單位未明確向公共數據授權運營單位收取費用的收費項目和收費標準。2020年中央網信辦在上海、江蘇、浙江、福建、山東、廣東、貴州、海南等八個?。ㄊ?/p>

37、）開展了公共數據資源開發利用試點建設，雖各省進行了積極探索，涌現出不同的授權運營模式，但政府作為公共數據資源持有方均未向授權運營單位收取相關費用，主要問題是收費項目和收費標準不明確，收費項目哪一級設立，收費標準哪一級審批，收費標準如何確定都需要進一步研究，以免造成上下政策“誤差”，造成不敢收、不會收，不收又會造成國有資產流失風險的擔憂。從需求側看從需求側看，主要問題在于企業數據利用能力的不足導致有效需求動能不足主要問題在于企業數據利用能力的不足導致有效需求動能不足。具體而言具體而言，直接體現在數據分析與應用環節：直接體現在數據分析與應用環節：第一，部分企業數字化轉型進程緩慢，企業對于數據價值的

38、認識與挖掘不夠深入，未能第一，部分企業數字化轉型進程緩慢，企業對于數據價值的認識與挖掘不夠深入，未能充分利用數據驅動業務決策和創新。充分利用數據驅動業務決策和創新。2022年埃森哲中國企業數字化轉型指數報告相關數據顯示，2022年數字化轉型成效顯著的中國企業比例不到兩成。廣大中小企業面臨“三不”問題，即數字化轉型不能轉、不愿意轉、不敢轉阻止了其轉型。第二，盡管企業擁有大量數據，但缺乏相應的數據分析技術和實力，使得這些數據無法第二，盡管企業擁有大量數據，但缺乏相應的數據分析技術和實力，使得這些數據無法轉化為實際的業務價值轉化為實際的業務價值。例如，全國信息技術標準化技術委員會2020年9月發布的

39、數據治理發展情況調研分析報告顯示，大中型企事業單位普遍重視數據價值，并通過數據治理活動挖掘數據價值，但不同程度普遍存在組織機制、戰略規劃、體系標準不健全、技術工具不完備、治理能力不高等問題；中小企業數據治理水平則更低?？傮w而言，僅少部分數據得到開發利用或沒有開發利用的企業大于80%。第三，很多公共數字化應用場景尚未對市場充分開放，也進一步限制了數據需求方動能第三，很多公共數字化應用場景尚未對市場充分開放，也進一步限制了數據需求方動能的增長。的增長。2022中國地方政府數據開放報告顯示，目前全國地級、副省級和省級開放平臺仍然只占全國覆蓋率一半，且在已經上線的平臺中，開放的數據在數量上還相對比較少

40、，容量比較低。另一方面，政府數據外的國有企事業單位數據也屬于公共數據范疇，但同樣存在開放不足的問題，如公共交通、氣象等高價值場景數據。綜合來看，我們在供需匹配上有三個比較嚴重的問題：綜合來看，我們在供需匹配上有三個比較嚴重的問題：第一，第一，“有數無市有數無市”和和“有市無數有市無數”問題。問題?！坝袛禑o市有數無市”是指產生大量的數據但沒有市是指產生大量的數據但沒有市場。場。以醫療健康數據為例，醫院和醫療機構每天都會產生大量的醫療數據，這些數據對于疾病研究、藥物開發、健康管理等領域具有極高的價值。然而，由于醫療數據的敏感性和隱私保護的要求，這些數據往往被嚴格限制使用，缺乏一個成熟的市場環境來進

41、行交易和流通。此外，醫療數據的標準化程度低，不同醫療機構的數據格式和質量參差不齊，導致數據難以整合和共享。這使得數據供應商雖然擁有大量數據，但卻難以找到合適的買家和交易市場，形成了“有數無市”的局面?！坝惺袩o數有市無數”是指數據供應商多以提供是指數據供應商多以提供“粗加工粗加工”的原始數據為主的原始數據為主，缺少個性化定制模式缺少個性化定制模式，數據規模小，整體較為分散、零碎，無法有效覆蓋需求。數據規模小，整體較為分散、零碎，無法有效覆蓋需求。數據交易機構仍多停留在簡單撮合交易模式，缺乏深度價值挖掘。在工業領域這種局限尤為明顯，例如一家制造企業可能需要根據自身生產線的特點來優化生產流程，但數據

42、供應商提供的數據服務無法滿足這種個性化的需求，導致企業無法充分利用數據來提升生產效率。第二，數據要素價格發現機制不完善。一是公共數據授權運營單位向社會服務的公共數第二，數據要素價格發現機制不完善。一是公共數據授權運營單位向社會服務的公共數據定價機制不健全。據定價機制不健全。中共中央、國務院關于構建數據基礎制度更好發揮數據要素作用的意見指出，推動用于數字化發展的公共數據按政府指導定價有償使用，但目前全國仍未形成相對成熟公共數據定價模式。目前授權運營單位的公共數據定價主要分兩類：一是制定公開的公共數據定價目錄，納入政府指導定價范疇；二是采取一對一議價方式收取相關費用。二是企業數據價格形成機制不健全

43、。二是企業數據價格形成機制不健全。目前企業數據以“點對點”場外交易為主，買賣雙方遵循“賣方自主定價報價，買賣雙方協商議定”模式實現交易。由于缺乏有效的價格形成機制，企業數據的定價往往隨意性較大，難以反映其真實價值。第三，高度的信息不對稱。第三，高度的信息不對稱。在搜索階段，雖然當前的數據交易市場能夠作為展示數據的窗口，但是買家仍需要付出較大的搜索成本，依賴于賣家維護的元數據來尋找對自己有用的數據集，賣家需要非常專業解釋自己數據結構與內容。其次，數據質量與價值信息不對稱，即賣家有更多關于數據質量信息，買家有更多關于數據價值信息。在交易階段，買賣雙方在價格談判上會花費大量時間和精力，且對于數據是否

44、合規等問題需要花費大量時間和成本確認。此外，數據交易中的安全風險也存在巨大信息不對稱。3 3、政策層、政策層在政策層面，相應制度與法規仍然不完善。在政策層面，相應制度與法規仍然不完善?，F實案例主要包括個人信息權、商業數據使用與不正當競爭、數據安全以及非法調用 API 接口等，體現了制度與法律法規層面的四個重要問題。第一，數據確權等權屬分置問題。第一，數據確權等權屬分置問題。理論與實踐中劃分數據權屬困難重重。一是數據分級一是數據分級分類問題尚未解決，例如個人數據、企業數據和政務公共數據，原生數據和衍生數據等。二分類問題尚未解決，例如個人數據、企業數據和政務公共數據，原生數據和衍生數據等。二是數據

45、所有權難以歸于單方主體是數據所有權難以歸于單方主體。一方面，如果將數據所有權歸于數據收集人（如企業），則難以產生整體上的產權意義，另一方面，若將數據所有權歸于被收集人（如用戶），則不利于個人權利的行使和數據產業的發展。三是法律確權探索收效甚微。三是法律確權探索收效甚微。目前，國內外立法層面關于數據的規定越來越多，但都未對數據產權問題給出明確答案。從國內看，民法典總則編僅規定了對數據財產的法律保護，一些地方立法對數據權屬的界定進行了探索嘗試，但效果不佳。第二，數據安全合規成本問題。數據交易過程中面臨的合規安全等風險成本，導致買賣第二，數據安全合規成本問題。數據交易過程中面臨的合規安全等風險成本，

46、導致買賣雙方的參與意愿不高，數據市場流動性不夠。雙方的參與意愿不高，數據市場流動性不夠。目前，數據交易既要符合數據安全法下的數據合規要求，還要遵守網絡安全法個人信息保護法等關于網絡安全、個人信息保護等方面的要求。上海數據交易所還明確提出“不合規不掛牌，無場景不交易”的原則。第三，數據要素流通市場建設的相關制度不健全。一是數據交易平臺缺乏標準第三，數據要素流通市場建設的相關制度不健全。一是數據交易平臺缺乏標準，國內數據交易平臺幾類模式并存，各自建立規則，存在隱藏的盲點和誤區，數據標準化程度低，同時數據交易登記結算體系尚不完備，各個數據交易平臺的資源難以有效整合。二是沒有明確二是沒有明確數據交易監

47、管機構數據交易監管機構，數據交易市場準入、數據安全、數據濫用、數據交易糾紛等問題都缺乏監管。三是沒有針對數據交易和應用的專門性法律法規。三是沒有針對數據交易和應用的專門性法律法規。第四，數據壟斷如何判斷。第四，數據壟斷如何判斷。關于數據壟斷的問題，是否存在數據壟斷，如何判斷？反壟斷法如何適用？如何平衡數據生產與數據分享中動態與靜態效率？從數據的靜態效率來看，應用越廣泛越好，但這可能會削弱數據投資激勵，進而帶來動態無效率。所以，數據壟斷是一個很重要但沒有解決的問題。三、數據要素市場建設的建議三、數據要素市場建設的建議在提出對策前，我們對數據問題的成因進行了分析，主要包括以下兩個方面：在提出對策前

48、，我們對數據問題的成因進行了分析，主要包括以下兩個方面：第一，市場失靈。一是信息不對稱第一，市場失靈。一是信息不對稱，供需雙方缺乏對數據需求準確的描述以及數據質量的信息不對稱等。二是負外部性二是負外部性，數據流通過程中可能會帶來隱私泄露、商業機密泄露等數據安全問題。三是壟斷問題三是壟斷問題，企業出于商業秘密保護和核心競爭力的考慮嚴格保護數據。四四是協調失靈是協調失靈，產業鏈上的各企業在數字化時可能存在協調失靈問題，且協調失靈也可能發生在單個集團公司內部的不同部門之間。第二，政策失靈。一是數據交易所重復建設第二，政策失靈。一是數據交易所重復建設，各省市紛紛設立大數據交易所，但多停留在“一把手”工

49、程，數據交易所存在重復建設和經營不佳的問題。二是面臨發展與安全的二二是面臨發展與安全的二元政策矛盾元政策矛盾，中央和地方存在多個負責大數據流通交易的管理部門，關注重點的不同容易產生在發展和安全之間的政策矛盾，政策和規則不統一，易造成數據跨行業、跨地區流通應用的阻礙。三是政策不明確和不穩定三是政策不明確和不穩定，企業無法形成穩定預期，會采取“法無授權不可為”的策略來規避政策風險，從而導致缺乏發展活力。四是公共數據缺乏數據共享激勵機制四是公共數據缺乏數據共享激勵機制，政府部門在公共數據授權運營過程中，將部分用于公共利益的公共數據轉為授權運營，減少了公眾免費獲取公共數據的數量，增大了社會運行的整體成

50、本。針對以上兩點主要原因，應對問題的基本思路如下：針對以上兩點主要原因，應對問題的基本思路如下：（一）理解數據作為生產要素的價值一）理解數據作為生產要素的價值數據生產要素的價值在于產生提質降本增效和促進創新的經濟效益，核心在于開發和利用數據。所以，數據基礎制度設計要有利于數據的充分開發利用，而不是要最大化數據交易所以，數據基礎制度設計要有利于數據的充分開發利用，而不是要最大化數據交易量和交易額。量和交易額。而且，要審慎對待數據作為一種資產的入表、用于抵押和融資。（二）尋找數據要素的高效流通模式，兼顧交易和交互兩大主線二）尋找數據要素的高效流通模式，兼顧交易和交互兩大主線首先，嘗試多層次的交易模

51、式。首先，嘗試多層次的交易模式。培育專業的數據要素市場參與主體，例如引入第三方專業機構，試點數據信托模式。借鑒國內實踐的成功經驗，如北京大數據交易所的“數據可用不可見、用途可控可計量”的交易模式，以及上海大數據交易所的數商新業態與數據產品登記憑證。積極提供質量評估、合規性評估、資產評估和糾紛仲裁等配套服務，推動數據溯源和可信交易。其次，重視數據交互在數據要素流通中的重要作用。其次，重視數據交互在數據要素流通中的重要作用。數據交互指通過與各方共享數據來支撐業務打通和創造新價值，各方共享業務發展帶來的紅利。數據并非必須經過確權、定價和交易后才能流通和使用，數據交互模式下沒有確權、估值、“入表”和交

52、易規則等服務需求，數據是否登記也不成為其可流通的必要條件。同時，需要解決匿名化標準、隱私保護責任邊界、數據跨境流動、數據安全技術開發、大企業數據壟斷等問題。數據交互的主流模式是 API（應用程序編程接口）模式，包括消費者平臺數據共享模式和產業互聯網企業數據共享模式。（三）如何有效保護數據投資激勵三）如何有效保護數據投資激勵數據是否利用和共享范圍越廣越好？這類似于技術和知識，數據并非共享范圍越廣越好。雖然數據的非競爭性意味著從事后角度來看數據分享越多越好，但這也可能會降低針對數據雖然數據的非競爭性意味著從事后角度來看數據分享越多越好，但這也可能會降低針對數據的投資激勵。的投資激勵。但也需要審視用

53、于判斷數據共享是否不足的標準，以合理的共享程度為目標有助于提升社會福利。（四）數據流通利用的關鍵四）數據流通利用的關鍵數據流通利用的關鍵是數據還是技術？數據的價值取決于服務能力，現階段應用數據的數據的價值取決于服務能力，現階段應用數據的能力更為重要。能力更為重要。在面臨擁有海量數據的阿里、京東和騰訊微視的競爭下，拼多多和字節成功崛起。ChatGPT 大模型在美國崛起，也是技術和經濟環境等多種因素的共同作用，而不僅僅是由數據量的差異導致。比起單純的數據量，技術和有利于創新的體系、制度和經濟環境更加重要。在以上分析的基礎上，提出如下建議：第一，明確有效市場是數據要素市場發展的基礎，政府的作用則是在

54、市場失靈時進行補第一，明確有效市場是數據要素市場發展的基礎，政府的作用則是在市場失靈時進行補充和引導充和引導，政策制定需要且應當遵循市場規律和原則政策制定需要且應當遵循市場規律和原則。一是構建合理的市場參與者激勵機制，提高數據產品的質量和吸引力，在需求端提升各行業的數字化水平，推動數據要素的需求與應用場景等。二是優化數據流通交易模式，降低市場摩擦，尤其是重視數據交互的流通方式，協調推動數據交易和數據交互兩種數據要素流通渠道。三是引導社會資本投入，謹防形成行政壟斷，數據交易平臺可以對市場放開，一些公共數字化的應用場景可以適當對市場放開。除此之外，政府可以加強技術研發與人才培養，建立健全數據安全保

55、障與合規交易機制。第二，以發展數據交易平臺為抓手，進一步完善數據要素市場生態建設。第二，以發展數據交易平臺為抓手，進一步完善數據要素市場生態建設。數據交易平臺應當樹立好綜合服務商的定位，不斷提高服務水平和建設能力，做好規則制定、生態培育、技術創新、機制設計、安全保障等輔助服務，發揮自身中介價值。以構建互信協同的生態系統為前提，以機制和技術為驅動，以業務創新、合規創新、模式創新為核心，通過建設互信機制，連接數據產業鏈各個環節，讓數據價值在鏈上流動起來，形成數據產出、交易閉環。第三，探索更加完善的數據要素定價與收益分配體系。第三，探索更加完善的數據要素定價與收益分配體系。應綜合各種定價方法，采用分

56、類的差異化定價，盡量拓寬數據交易的使用場景，并據此作為定價基礎。例如面對標準化程度高、投入產出都能清晰衡量、價值比較穩定的數據產品，采用成本法，依據形成過程中的勞動和資本投入定價；面對高稀缺性、高價值、受市場供求較大的數據產品，采用拍賣法，實時定價；面對定制化的數據產品或服務，采用協議定價方法。針對數據的來源與用途，我們提出22矩陣的定價思路，將數據來源劃分成公共數據和企業數據，將用途劃分成商業用途和公益用途。對于企業數據進行商業用途而言，定價應當完全由市場決定，這樣能夠確保最大程度的發揮數據價值。對于企業數據和公開數據的公益化用途而言，不宜產生過高的定價，可以采用制定價格上限指引的方式提高公

57、益用途數據的使用，提升總體社會福利水平。對于公共數據的商業用途而言，則需要兼顧效率和公平兩個方面的平衡，可以進行最低限價的價格指引。與此同時，數據交易平臺也要不斷探索數據交易定價的規則方法，鼓勵發展受市場認可的第三方權威數據資產評估機構，發揮數據市場價格發現的作用，使數據交易定價不斷透明化、正規化。論壇第二單元，結合論壇第二單元，結合 CMFCMF 中國宏觀經濟專題報告，各位專家圍繞數據要素市場建設的現中國宏觀經濟專題報告，各位專家圍繞數據要素市場建設的現狀、問題和建議展開討論。狀、問題和建議展開討論。國家發改委價格監測中心副主任王建冬王建冬從產權體系、流通體系、分配體系三個角度全面分析了我國

58、數據要素市場建設的現狀和問題?！皵祿畻l”提出，構建數據使用權的權利構建數據使用權的權利束體，分成數據資源持有權，數據加工使用權和數據產品經營權束體，分成數據資源持有權，數據加工使用權和數據產品經營權，從數據資源到數據產品是一個數據開發利用的鏈條轉移，這意味著單純的數據變成了數據、算法、算力的結合體。按照這一邏輯可根據來源方和處理方將數據產權分為兩段：流通和使用階段包括持有權、使用流通和使用階段包括持有權、使用權和經營權，這一階段要保護數據處理者的合法權益；生產階段要保護數據來源者的合法權權和經營權，這一階段要保護數據處理者的合法權益；生產階段要保護數據來源者的合法權益，并通過知情同意和法定

59、事由確定數據持有權的歸屬益，并通過知情同意和法定事由確定數據持有權的歸屬。短期來看，數據基礎性制度將催生3000-5000億元規模的數據交易市場。中長期看，數據資產化催生的相關市場潛在規模將達到十萬億級，但目前的現狀是競爭“白熱化”和資源“碎片化”并存。接下來，應構建數據要素的多級市場體系應構建數據要素的多級市場體系，建立三級市場聯動的新型價格機制建立三級市場聯動的新型價格機制；建立公共數據政府指導定價的基本框架；實現報價建立公共數據政府指導定價的基本框架；實現報價-估價估價-議價社會數據價格形成路徑議價社會數據價格形成路徑。在分配機制方面，未來需要探索建立體現效率、促進公平的數據要素收益分配

60、制度，健全數據要素由市場評價貢獻，按貢獻界定報酬機制，更好發揮政府在數據要素收益分配中的引導調節作用，并引導企業承擔社會責任。上海金融與發展實驗室前沿金融研究中心主任，萬向區塊鏈首席經濟學家鄒傳偉鄒傳偉討論了消費者如何參與數據要素市場。消費者個人數據具有特殊性，在數字經濟中由消費者主動或消費者個人數據具有特殊性，在數字經濟中由消費者主動或被動披露，并由互聯網平臺記錄被動披露，并由互聯網平臺記錄，據聯合國貿發會議2021年數字經濟報告，我們更強調數據權利，而不是數據所有權，數據權利體現為訪問、控制和使用數據的權利。其次，由于隱私悖論以及專業門檻和規模經濟的影響，消費者個人不適合直接進入數據要素市

61、場消費者個人不適合直接進入數據要素市場?；跀祿氐墓残院拖M者個人數據的特殊性基于數據要素的共性和消費者個人數據的特殊性，金融是理解數據要素市場最佳的視角金融是理解數據要素市場最佳的視角。第一，金融系統和數據要素市場都不涉及實物商品的生產和流轉，且數據要素市場的很多活動都能在金融市場中得到對應。第二，數據要素市場發展離不開金融系統的支持，金融是個人數據貨幣化的主要渠道，數據入表也需要通過金融系統變現。第三，金融是最早開展數據管理的行業。第四，金融為數據要素市場提供了“試驗田”，韓國的 My Data 模式和印度的India Stack 對于推進中國要素市場構建具有參考價值。中國移動研究院用

62、戶與市場所所長林琳林琳提出，數據要素的流通市場既包含數據資源的流數據要素的流通市場既包含數據資源的流通，也包含數據產品和服務的流通。通，也包含數據產品和服務的流通?？捎?、可信、標準的高質量數據資源才具備可流通的基礎，而數據產品和服務是以數據使用方的需求為導向，整合多元數據以及技術方案形成可流通的數據產品和服務。數據要素流通不一定要完成商品從生產側到消費側的轉移，使用價值數據要素流通不一定要完成商品從生產側到消費側的轉移，使用價值的實現過程也是數據要素的流通。的實現過程也是數據要素的流通。電信業務市場的資費發展歷程是從政府定價逐步走向市場定價，對于數據要素定價具有借鑒意義。數據資源市場的定價適宜

63、采用政府指導價，實施價格上限的管理。而數據產品和服務建議采用市場調節價，由市場決定價格。以數據為基礎以數據為基礎，產業數字化將會走向智能化的階段產業數字化將會走向智能化的階段，通過數據驅動實現精準高效的決策通過數據驅動實現精準高效的決策。數據要素為制造業帶來了四個范式的躍遷：第一，生產制造范式的躍遷，從人工驅動到智能決策；第二，管理運營范式的躍遷，從分散管理到統籌管控；第三，產業協同范式的躍遷，從信息互聯到運營協同；第四，業態創新范式的躍遷，從局域運用的管域物用。在營銷領域，數字化營銷是典型的數據加技術雙驅動模式，通過分析多元融合，多元數據，依托多種智能技術，打通營銷的各個環節，實現更精準、更

64、敏捷、更快捷的數據迭代，很好地發揮了數據資源市場和數據產品服務市場的作用價值。復旦大學管理學院教授黃麗華黃麗華認為，數據要素流通的實踐模式有三種：第一，企業間直第一，企業間直接交易接交易，主要分為早期互動、供需匹配溝通、價格和銷售合同談判、合約達成、履約五個階段；第二，平臺交易（線上線下結合模式）第二，平臺交易（線上線下結合模式），容易出現有偏市場、去平臺化現象以及不具備可持續發展能力等問題；第三第三，聯盟聯盟+共享模式共享模式，主要包括面向某個需求應用場景、面向某個供應鏈協調運營應用場景，面向某個產業的數據共享或交易三種形態。目前，我國數據流通和交易領域存在數據流通和交易不活躍、數據流通和交

65、易合規成本高、數據流通和交易安全風險防范與監管體系不健全、可信流通技術與基礎設施不成熟等問題。未來需要系統性地解決問題：第一第一，加強高質量數據供給加強高質量數據供給，激活數據流通的源頭激活數據流通的源頭；第二第二，激活有效使用需求，釋放數據要素乘數效應；第三，建立健全流程規則，促進合規高效數據激活有效使用需求，釋放數據要素乘數效應；第三，建立健全流程規則，促進合規高效數據流通；第四，積極培育流通生態，降低數據要素交易成本；第五，大力促進技術創新，夯實流通；第四，積極培育流通生態，降低數據要素交易成本；第五，大力促進技術創新，夯實數據流通基礎設施建設。數據流通基礎設施建設。王建冬：王建冬：數據

66、要素數據要素市場市場制度建設的三個關鍵問題制度建設的三個關鍵問題王建冬 國家發改委價格監測中心副主任以下觀點整理自王建冬在 CMF 宏觀經濟熱點問題研討會（第83期）上的發言2019年10月,十九屆四中全會首次提出將數據作為新的生產要素，納入收入分配的序列。收入分配制度改革是貫穿我國改革開放始終的核心命題，中國根據不同階段經濟發展的特點，逐次將資本、技術、管理和數據等納入按要素分配的序列之中。其中，前幾種要素都是順應工業化、城鎮化發展要求，在學習借鑒西方經驗的基礎上形成的改革成果。而數據要素分配而數據要素分配是工業經濟向數字經濟轉型中最具時代特征的新鮮是工業經濟向數字經濟轉型中最具時代特征的新

67、鮮事物事物，是我國在國際上首先提出的重大理，是我國在國際上首先提出的重大理論和實踐問題。論和實踐問題。當前，隨著國家數據局的正式組建，我國數據要素市場化配置改革相關制度建設開始步入快車道，但困擾行業發展的三大關鍵問題依然有待解決。一、一、以以“三權分置三權分置”為起點，如何為起點，如何實現數字化時代的新型共同富裕？實現數字化時代的新型共同富裕？與傳統要素相比，數據在生產、流通、使用過程中，個人、企業、社會、國家等相關主體對數據有著不同的利益訴求，且呈現復雜共生、相互依存、動態變化等特點。數據整體的權利譜系可以分成個人、平臺和國家三個層面，分別對應個人人格權、企業數據財產權和國家主權三個方面權利

68、的訴求?！皵祿畻l數據二十條”的一個重大貢獻，是的一個重大貢獻，是將數據所有權和使用權進將數據所有權和使用權進行了區別，在目前制度和技術條件下，行了區別，在目前制度和技術條件下，難以完全解決數據所有權歸屬問題，轉而難以完全解決數據所有權歸屬問題，轉而關注數據的關注數據的使用權并將其進行拆分。使用權并將其進行拆分。這種思路可以類別于其他要素的產權制度改革，如土地所有權歸國家不能轉讓，但土地的使用權和經營權可以進行分離和流轉；人才的所有權也無法交易，但可以對人才特定時間、特定用途的使用權和收益權進行交易?；诖?，“數據二十條數據二十條”提出提出了了“三權分置三權分置”的基本思路的基本思路，構建，

69、構建以以數據使用權數據使用權為導向為導向的權利束體，分成數據資源持有權，的權利束體，分成數據資源持有權，數據加工使用權和數據產品經營權。數據加工使用權和數據產品經營權。這里的持有和所有是完全不同的概念，以滴滴打車數據為例，其所有權難以說清，但持有權應當屬于滴滴平臺，因為消費者和平臺之間有協議約定，且數據的實際控制方是平臺，這就把目前的數據產權不清晰問題進行了階段性處理。按照這一邏輯，可根據來源方和處理方將數據產權分為兩段：流通和使用階段包括持有權、使用權和經營權，這一階段要保護數據處理者的合法權益；生產階段要保護數據來源者的合法權益，并通過知情同意和法定事由兩種渠道確定數據持有權的歸屬。例如上

70、面說的滴滴的案例，就屬于知情同意；再如稅務部門有依法履職的職能，所以擁有對納稅數據的持有權。從頂層來看，民法典將民事權利分為人身權、物權、債權、知識產權等，未來有可能要加入數據權，并與其他民事權利并列。數據權和物權、債權、知識產權等均有一定共通性，但也有其獨特性，所以民事權利的改革是一個復雜的長周期問題。中國人民大學熊丙萬老師對數據的持有權、使用權、經營權進行了進一步拆分。數據的持有權分成自主持有和委數據的持有權分成自主持有和委托持有兩類，數據經營權則分成了整體轉讓、許可使用、融資擔保、投資入股和合作加工五托持有兩類，數據經營權則分成了整體轉讓、許可使用、融資擔保、投資入股和合作加工五類。類。

71、在基本的產權邏輯之下，目前還存在一個比較有爭議的問題。那就是在共同富裕背景下在共同富裕背景下，如何如何更好更全面地更好更全面地保護數據來源方的權益？保護數據來源方的權益？從個人信息保護法角度來看，數據開發利用不能妨礙個人的人格權，需要保護隱私、確保數據匿名。但進一步來看，如果企業通過個人數據進行開發利用后獲得收益，個人是否能夠分享一部分收益？關于這一問題目前沒有很好的解決方案，但行業界有很多探索，比如通過數據信托、共票（Coken）理論、Web3.0、標準化采集合同等新的技術手段來保障來源方的權益。一種思路是通過信托這一制度工具來實現。一種思路是通過信托這一制度工具來實現?！皵祿畻l數據二十

72、條”提出探索企業和個人數據受提出探索企業和個人數據受托機制，未來托機制，未來可以可以通過信托機制幫助個人和中小微企業與大的平臺公司形成權利博弈，從而通過信托機制幫助個人和中小微企業與大的平臺公司形成權利博弈，從而實現合理的收益分配實現合理的收益分配。去年深圳數據交易所聯合中誠信托發布了“中誠信托數據資產1號財產權信托”產品，圍繞數據信托進行探索。日本也在個人數據信托方面進行了相關嘗試，例如日本信息銀行。另一種思路是數據資產權益的通證化另一種思路是數據資產權益的通證化（CokenCoken）。對于相對傳統的物品，通過一次交易可以把權益進行清晰地轉讓，供買方使用。但數據的交互環節非常漫長，交易之前

73、的數據清洗治理、隱私保護以及交易后的共享流通和應用都需要買賣雙方共同合作進行開發和利用。中國人民大學楊東老師提出交易是短鏈條行為，而數據要素價值的實現是長鏈條，這就產生了錯配現象，所以完全通過交易的方式可能反而使得數據流通是不經濟的，對于大部分數據持有方而言，其理性選擇是自行使用數據，不進行交易，這是影響目前整個數據要素流通市場培育的重要問題。所以，楊東老師及其合作者認為可以通過“共票”方式，基于區塊鏈技術對數據價值創造過程中的多元主體從來源方到交易方到加工治理方、應用方等各方主體共享進行統一標識，把數據權益通證化，通過區塊鏈的方式形成激勵機制，這可能是未來解決數據資產權益流通和共享的一個重要

74、方向。2023年12月14日上海數據交易所發布數據資產通證化上海路線圖，提出了數據資產通證化的基本概念，并提出構建基礎設施 DCB（DataCapital Bridge），即數據資產“一橋、兩所、兩軸”架構。實現實現資產權益通證化資產權益通證化更綜合的更綜合的解決方案則是解決方案則是 Web3.0Web3.0，其其包括包括“跨平臺漫游跨平臺漫游”、“數據權利歸個人數據權利歸個人”、“沒有中間商賺差價沒有中間商賺差價”、“去中心化自治去中心化自治”等特征等特征，可以在很大程度上解決目前的數據產權困境可以在很大程度上解決目前的數據產權困境，但在實踐中依然還有但在實踐中依然還有很長的路要走很長的路要

75、走。二二、如何處理數據產權與數據知識產權的關系，實現數據資產如何處理數據產權與數據知識產權的關系，實現數據資產“大入表大入表”？2023年8月21日，財政部制定印發了企業數據資源相關會計處理暫行規定，自2024年1月1日起施行，為企業數據資產入表以及后續的資本化操作開啟了一扇大門，引發各方廣泛關注。但在具體實踐中我們發現，本著審慎推進的基本原則，財政部目前頒布的暫行規定是在沒有突破現有會計準則和計量基礎前提下的一次有益嘗試，是一個“小入表”的方案，短期內并不會帶來大量企業數據資產確認。原因是入表對象是“數據資源”，而在數據要素市場中，真正擁有原始數據源的企業并不多，絕大多數企業是從事為數源型企

76、業提供數據治理、加工、處理、建模等服務的企業，其受委托持有大量數據資源，但是其并不具備原始數據資源持有權，因此難以有效入表；而這些企業擁有的大量與數據相關的模型、算法、工具、平臺等數據資產，又不在暫行規定的入表范圍之內。未來應當積極嘗試從“數據資源入表”走向“數據資產入表”，逐步實現“大入表”。要解決這一問題，核心是要回答清楚“數據產權”和“數據知識產權”這兩大體系之間關系的問題。近幾年各地積極進行數據知識產權試點，有學者認為，從客體性質、權利內容趨勢、知識產權制度包容性來看，數據產權和知識產權的關系非常接近，我們應該借鑒知識產權的制度建立數據產權的規則，這是最適宜也是目前制度成本最低的方式。

77、我們認為，需要基于數據的開發鏈條探索數據產權轉移這一綜合性問題?！皵祿畻l數據二十條”中提出了三個權利，中提出了三個權利，其中其中第一個權叫做數據資源持有權，第三個權叫做數據產品的經營權，第一個權叫做數據資源持有權，第三個權叫做數據產品的經營權，從數據資源到數據產品是一個數據開發利用的鏈條轉移，這意味著單純的數據變成了數據、從數據資源到數據產品是一個數據開發利用的鏈條轉移，這意味著單純的數據變成了數據、算法、算力的結合體。算法、算力的結合體。其中，產權轉移通過兩條路徑實現：一是從原始數據變成了開發利用后的數據，即從 D 變成了 D，這里存在數據產權流轉的問題；二是依附在這些數據之上的算法模型

78、，即數據知識產權。據國家知識產權局的解釋，數據知識產權和版權、商標權、專利權未來可能是并列關系，作為第八種新的知識產權的形態。目前，很多中小企業數據開發利用過程中的主要貢獻就體現在數據知識產權的生產上，所以登記數據知識產權是一件非常有意義的事情。未來未來，構建統一的數據產權登記管理制度是數據要素市場的基礎性保障制度構建統一的數據產權登記管理制度是數據要素市場的基礎性保障制度，從歷史經驗看，任何一種要素市場得以發展的前提是完善的產權登記體系。從歷史經驗看，任何一種要素市場得以發展的前提是完善的產權登記體系。一個理想化的數據產權登記方案應該是把數據產權（包括數據資源持有權和數據產品經營權兩個層面）

79、、數據知識產權，以及依附在數據之上的個人信息（人格權）等多種要素綜合起來，形成全國統一的完整產權登記體系。從企業數據價值鏈的角度，企業將數據資源加工成為數據產品，實際上就是把算法和算力疊加到數據資源之上的過程。因此，實現企業數據資產的“大入表”，可以區分為數據入表（包括其衍生數據和中間數據）、算法入表（可遵循數據知識產權登記和無形資產入表的路徑）和算力入表（即支撐數據資產運行的各種硬件固定資產入表）三部分，這樣就具備較大可操作性。三三、如何、如何建立數據要素價格機制，建立數據要素價格機制，有效激活十萬億級新型數據資產市場？有效激活十萬億級新型數據資產市場？短期來看短期來看，數據基礎性制度將催生

80、數據基礎性制度將催生3000-50003000-5000億元規模的數據交易市場億元規模的數據交易市場。中長期看中長期看，數據數據資產化催生的相關市場潛在規模將達到十萬億級。資產化催生的相關市場潛在規模將達到十萬億級。深圳市統計局按照國家統計局的要求從2020年起對全市規上企業數據要素投入進行核算，按照支出法，2021年全市規上企業數據要素支出規模超過千億元。如果按照深圳規上企業總產值占全國的比重簡單推算，則按照支出法，全國數據資產潛在規模將達到10萬億級。清華大學戎柯團隊通過測算也認為，2020年全國數據資本存量17.4萬億元，數據資本形成額4.4萬億元，兩者相加21.8萬億。2011-201

81、9年，數據資本對經濟增長率的貢獻約為34.46%，僅次于資本，是貢獻第二大的生產要素。所以，數據要素市場是一片十萬億級的廣闊藍海。但但理想很豐滿，現實很骨感，目前我國數據要素市場理想很豐滿，現實很骨感，目前我國數據要素市場競爭競爭“白熱化白熱化”和資源和資源“碎片化碎片化”并存。并存。據不完全統計，全國各地各種數據交易中心交易所上百家，以交易所命名的持牌機構超過9家，但許多數據交易中心的生存狀態并不理想，主要是因為全國統一大市場還未真正形成以及定價問題。2023年5月，2023年中國國際大數據產業博覽會“數據要素流通與價值化”論壇舉行，梅宏院士曾做了一個“十問數據要素化”的發言，其中關鍵一問是

82、數據能否實現標準化定價？他提到，數據都有經濟價值，但是不是一定能帶來經濟價值是不確定的，帶來多少也不確定，是否可計量都存在問題。不同行業的人對同一個數據的需求，或者對它的價格認知是完全不一樣的，所以傳統資產評估方法很難適用于數據資產評估領域，也很難形成統一的價格標準。但如果數據作為一種生產要素不能實現標準化定價，那么整個要素市場化但如果數據作為一種生產要素不能實現標準化定價，那么整個要素市場化配置和收入分配就缺乏邏輯基礎。配置和收入分配就缺乏邏輯基礎?；谝陨蠁栴}，我們提出了三點基本思考。第一，數據并非是純粹的非標準化定價。第一，數據并非是純粹的非標準化定價。數據資源本身并不直接創造價值，數據

83、在不同應用場景中實際上都是以“數據產品”的形態體現出來的。而在數據產品中，除了“數據資源”之外，還有凝結在數據之上的兩部分投入，一是智力、品牌等無形投入（這部分可以統稱為算法投入，或國家知識產權局提出的“數據知識產權”)；二是網絡、計算、存儲等有形投入（這部分可以統稱為算力投入）。前者屬于無形資產，在不同場景中算法無形資產的價值評估具有很大靈活性，也是造成數據“千用千價”的核心原因。而刨除這部分，數據價值、算力價值的估算應當是相對標準化的算力價值的估算應當是相對標準化的。這就像同樣的菜和調味品，在五星級酒店大廚手里炒出菜和在路邊攤炒出菜的價格完全不一樣，這里面的價值區別不在于原料，而在于飯店的

84、“品牌價值”和廚師的“知識產權價值”具有差異性。第二第二，非成熟市場的價格形成需要政府介入非成熟市場的價格形成需要政府介入。價格是市場主體間價值交換的最重要媒介，其表現形式是圍繞著商品價值的上下波動。當價格標準確定以后，各經濟主體通過價格體系將社會資源的價值和人們的選擇轉化為生產、交易等活動，最終實現社會資源的合理配置。但是，由于市場機制天然具有滯后性、自發性和盲目性等缺陷而誘發的宏觀經濟不穩定、微觀經濟低效益與社會分配不公平等市場失靈現象客觀存在，使得人們開始考量市場機制作為社會資源唯一調控方式的合理性。在一些非成熟市場或特定場景中，政府介入市場干預價格成為必要和必需當前數據要素市場就是這樣

85、一個容易產生“市場失靈”的領域。第三，公共數據應當成為全社會數據定價的錨。第三，公共數據應當成為全社會數據定價的錨?！皵祿畻l”的一個基本觀點是公共數據要實行政府指導定價?？藦娍偫碓?016年貴陽數博會上提出，中國超過80%的數據在政府手中。據2022年中央網信辦國家數據資源調查報告，政府和以國有性質為主的數據總量超過60%，即目前超過一半的數據屬于公共數據。如果對這部分的數據通過政府指導價形成一個定價基準，就可以為社會數據和個人信息數據價格形成提供參考標準，這是未來一個可能的價格形成路徑。針對以上三個基本思考，我們進一步提出三個解決方案。第一，構建數據要素的多級市場體系，一級市場是數據資源

86、市場，二級市場是數據產品第一，構建數據要素的多級市場體系，一級市場是數據資源市場，二級市場是數據產品市場，零級市場是非交易流通市場，即數據交互市場?；谌壥袌龇诸?，對不同市場的價市場，零級市場是非交易流通市場，即數據交互市場?；谌壥袌龇诸?，對不同市場的價格形成采用不同的方法進行引導，建立三級市場聯動的新型價格機制。格形成采用不同的方法進行引導，建立三級市場聯動的新型價格機制。例如，一級市場定價以成本法為導向，實現相對的標準化定價；二級市場定價以收益法為主，評估因素除成本外，重點考慮歷史成交價、數據血緣、模型貢獻度等收益預期類指標，并通過公益性服務或第三方服務的方式解決市場信息不充分的問題

87、。第二，建立公共數據政府指導定價的基本框架。第二，建立公共數據政府指導定價的基本框架。去年10月份起，我們配合國家發改委價格司起草相關文件，圍繞公共數據有償服務的政府指導定價可能會形成一些頂層政策。目前公共數據有償服務并未進入政府收入目錄，但不能收費意味著數據開放利用的可持續性不強，所以未來可能會制定專門的政府目錄對定價進行指導。其基本原則是成本加成法，即在保證其基本原則是成本加成法，即在保證公益性的前提下，允許授權機構基于成本之上產生收益，確保為市場提供可持續的低價優質公益性的前提下，允許授權機構基于成本之上產生收益，確保為市場提供可持續的低價優質的的公共公共數據資源服務。數據資源服務。未來

88、公共數據定價可參考土地定價的發展軌跡。當前階段應以成本補償法為基本定價原則。一是在數據市場不活躍的情況下，基于成本法有助于快速確定公共數據公允價格；二是公共數據作為一種公共資產，基于成本法有助于推動大量優質低價的公共數據資源進入市場。從長遠來看，在數據要素市場充分活躍和不妨礙社會主體創新積極性的前提下可以適時啟動探索基于市場法和收益法的公共數據定價機制。第三，報價第三，報價-估價估價-議價社會數據價格形成路徑。議價社會數據價格形成路徑。其核心環節是估價，由于買賣雙方信息高度不對稱，所以需要第三方機構提供估價服務，即從成本、數據質量、應用價值和品牌價值等方面多維度評估數據產品價值，為買賣雙方提供

89、議價合理性，降低議價成本。目前我們正在策劃在深圳、上海、福建等地建設數據要素評估計價服務中心，就是為了解決這一問題。黃麗華：數據要素流通和交易模式與問題黃麗華：數據要素流通和交易模式與問題一個微觀視角一個微觀視角黃麗華 復旦大學管理學院教授以下觀點整理自黃麗華在 CMF 宏觀經濟熱點問題研討會（第83期）上的發言一、數據要素流通和交易現狀一、數據要素流通和交易現狀1 1、當前企業間的直接流通和交易已無所不在、當前企業間的直接流通和交易已無所不在我國數據要素流通與交易可以追溯至互聯網發展中在線營銷的興起。在線精準營銷利用大量數據，并已形成我國數據流通領域中最廣泛的市場，擁有近30年的發展歷史。據

90、中國廣告業協會的統計，市場規模已達萬億級。在金融行業信貸風控領域的數據流通非常頻繁。在金融行業信貸風控領域的數據流通非常頻繁。通過分析金融業的實際數據流通樣本，發現眾多銀行通過多種模式采購數據，例如從三大運營商和其他渠道商獲取數據。此外，公共數據如政務數據也被廣泛利用。目前，數據廣泛用于支持金融機構的信貸決策，尤其互聯網金融對數據的需求是剛性的。另外，支持大宗商品的工業企業的日常經營決策的數據服務，比如上海鋼聯電子商務有支持大宗商品的工業企業的日常經營決策的數據服務，比如上海鋼聯電子商務有限公司，在大宗商品價格數據流通方面起到了重要作用。限公司，在大宗商品價格數據流通方面起到了重要作用。上海鋼

91、聯自2003年起，為八大類大宗商品產業鏈上的各類制造企業提供產品報價和價格結算服務，提供大宗商品交易過程中的價格數據及整個市場行情趨勢來輔助企業的日常經營決策。上海鋼聯不僅使用自己積累的商品交易數據，還從包括我國兩大衛星公司、公共數據（特別是工業企業用電數據）在內的多個數據提供方獲取數據，將這些數據融合加工，為全球大宗商品市場的各個環節提高數據服務。同時，互聯網平臺是企業間數據交易中形成的一支新興力量。同時，互聯網平臺是企業間數據交易中形成的一支新興力量。隨著互聯網平臺的發展，公司間的數據交易日趨活躍。傳統互聯網公司如阿里巴巴和京東等，在其平臺框架內為各參與者提供內部的數據服務。例如，阿里巴巴

92、的淘天集團主要提供對平臺框架內服務，而阿里巴巴旗下的瓴羊集團，專門對外提供數據服務，扮演數據購買方和數據服務提供者的多重角色，服務于金融機構和快消品行業。綜上所述，當前企業間數據要素流通與交易領域已形成一個廣泛而復雜的生態系統，涉及眾多企業，這一現象已成為當前數據要素流通市場最重要的部分。2 2、數據要素流通和交易場所的實踐：仍在起步階段、數據要素流通和交易場所的實踐：仍在起步階段當探討數據要素市場時，不可避免地會涉及到交易場所的實際運作情況。自2014年起，我國已經建立了多個數據交易場所。根據我們團隊的長期跟蹤，截至目前，正在運營或籌建的數據交易場所共計45家，還有一部分已經停止運營或處于休

93、眠狀態。尤其在今年前三個月，我們觀察到了一些新的發展趨勢。與以往主要由政府或國有企業主導建立交易場所的模式不同，目前逐漸出現了行業性的數據交易中心，如電力數據交易中心。我們的初步理解是，電力數據交易中心多與國有電力公司緊密相關，以央企為主要供方來進行數據對外服務。此外，例如港航物流數據交易中心等，也明顯具有行業屬性。目前，盡管存在各類數據交易場所，但這些機構面臨的挑戰依舊嚴峻。我們也看到，各地的交易機構一直在努力探索。最近對13家數據交易場所進行了初步調研，這些交易場所雖然還未完全形成成熟的平臺模式，但他們在積極探索中表現出了極大的努力。他們正在不斷嘗試解決現狀問題，并對未來的戰略定位進行探索

94、?？傮w而言，我國的數據交易市場仍處于起步探索階段。這些機構在市場上的角色、作用總體而言，我國的數據交易市場仍處于起步探索階段。這些機構在市場上的角色、作用和功能定位不論是在政府層面還是機構自身層面，都存在一定的疑惑和不清晰的問題，這需和功能定位不論是在政府層面還是機構自身層面，都存在一定的疑惑和不清晰的問題，這需要未來進一步的探索和明確方向。要未來進一步的探索和明確方向。3 3、實踐中數據流通與交易標的物：數據產品、實踐中數據流通與交易標的物：數據產品討論數據流通和交易時，我們必須明確數據流通和交易標的物的具體形態。在日常討論中比較多集中于數據集這一類別，但實際上，數據交易的形態是多樣化的。一

95、般來說，我們可以將數據交易標的物概括為“數據產品”，“數據產品”不僅包括數據內容，還涉及到與之配套的服務終端。根據上海數據交易所掛牌的2000多個產品的分析，從供方到需方的服務方式大致分為以下幾類：第一類形態是數據集。第一類形態是數據集。這一類數據通過特定的服務終端提供，例如通過 VPN 等傳輸方式將數據集直接傳遞給使用方。使用方擁有了數據內容，便可以使用其處理數據的算法來支持其內部的日常經營和決策過程。第二類是信息服務類。比第二類是信息服務類。比如，上海移動公司在上海數據交易所掛牌的200多個產品中，9基本上都是屬于核驗類產品。這類產品通常通過 Web 界面或 API 接口，根據用戶輸入的“

96、查詢或核驗請求”返回所需的數據。這種按“條”而非按“集”交易數據的持續交付方式，是目前絕大多數數據產品的交付服務方式，特別是征信服務和精準營銷等領域。第三是數據應用類第三是數據應用類。供應方基于其數據和算法模型，通常通過 SaaS（軟件即服務）應用功能或 app 界面實現的。例如，征信服務類就提供了基于調用功能模型（評分模型）的數據服務，用戶通過 SaaS 應用程序調用功能并獲取結果。這類服務中還包括了聯合建模功能服務聯合建模功能服務。在這種模式中，例如某銀行購買某公司的數據，在供應方的模型基礎上，銀行結合自己和數據進行深度加工和開發新的模型，用戶通過 SaaS 界面在調用定制的應用時，實際上

97、同時在調用供應方的模型和數據。二、數據要素流通和交易模式：參與方視角二、數據要素流通和交易模式：參與方視角從微觀視角來看，“數據流通交易模式”主要涉及的是供需兩方。供方參與數據要素市場之前需要進行大量投入，形成可流通和交易的數據產品；需方在明確數據需求以后才會開始到市場上搜索、共享或進行交易。目前，數據要素流通交易主要呈現三種模式：第一，企業間直接交易。第一，企業間直接交易。例如，上海數庫科技有限公司與銀行之間的交易。相比于標準產品如核驗類產品的交易，基于模型的評分類的產品其交易過程通常歷時較長，存在市場摩擦包括合規性問題和對數據產品價值的不確定性的因素。因此，雙方在簽訂合約之前需要進行試用和

98、謹慎談判，尤其是在界定雙方責任以防范安全風險方面。此外，低頻交易、持續性交付是數據要素流通中的一個顯著特征，數據交易中的交易成本高，存在多因素引起的摩擦現象。第二，平臺交易模式。第二，平臺交易模式。盡管目前尚未形成成熟的平臺模式，但預期這將是未來的一個發展方向。目前普遍存在一種線上線下結合的平臺交易模式。由于交易的復雜性，完全在線上完成所有交易活動上尚不可行，目前多數交易仍需線下談判和合約備案。因此，未來的交易模式預計仍將是線上線下的結合，盡管兩者的功能配置程度與當前可能有所不同。在供需關系中，當供方數據產品掛牌后，需方可進行查詢。如果供需雙方能達成初步共意向，通常會進入線下溝通談判階段。目前

99、大多數交易所和交易機構公布的交易額，實際上反映的是線下已談妥的合約或已完成的合約。因此，公布的數據交易額在某種程度上并不反映純線上實際的交易活動。從學術角度來看，目前的市場還是一個典型的有偏市場，并非所有人都能參與其中。這種市場的特性導致參與者數量有限，且由于交易的復雜性，往往存在去平臺化的現象。第三第三，聯盟模式聯盟模式（聯盟聯盟+共享共享）。這種模式可能是未來實踐中的主要成長模式，有三種形態：形態形態1 1面向某個需求應用場景面向某個需求應用場景（行業或專業領域流通行業或專業領域流通）。例如，上海的一家新成立的公司專注于互聯網金融服務，聚合了包括三大運營商在內的權威數據供方。在許多場景中，

100、三大運營商通常不是直銷，因此，它們就會委托這些公司來提供相應市場服務。由于明確的市場定位和權威的供方背景，可以有效解決市場參與者間的信任問題，并提供標準化產品，以減少產品價值的不確定性，所以這類機構發展迅速。因此，這種模式預計將迅速實現產業化。形態形態2 2面向某個供應鏈協同運營應用場景面向某個供應鏈協同運營應用場景（上下游共享模式上下游共享模式）。這種形態涉及供應鏈業務驅動。盡管供應鏈理論已發展數十年，但許多行業尚未充分實現。目前，多個交易所和交易機構正在幫助某些供應鏈進行數據共享，這一點具有重要價值。形態形態3 3面向某個產業的數據共享或交易。面向某個產業的數據共享或交易。這種形態是面向某

101、些產業領域的數據共享，整個產業可以共享一個產業數據空間。這不僅涉及供應鏈，更重要的是覆蓋了產業內所有環節，從原材料采購到產品報廢的整個生命周期，都可以共享相應的所需數據。例如，在汽車行業，此類數據共享顯示出巨大的潛力。盡管在這一模式下，市場目前是半開放的，參與者數量有限，但這種模式有望有效解決參與者需求和供方供給能力之間的對接，以及數據產品的價值實現。雖然存在交易摩擦和需求多樣化，這種模式仍值得鼓勵。需要加強的是聯盟類模式，類似于美國的經紀人（broker）模式，針對需方的共性需求，可以聚合多方供方數據，形成有規模的市場。因此，加強聯盟組的能力、重點培育并賦予其數據商的角色，是當前的重要任務。

102、總結來說，按照市場組織方式來分析，當前實踐中的數據流通模式可分為三種：一是直接的供需雙方交易，二是通過平臺進行的交易，三是基于聯盟和共享的模式，其中第一類是無組織的市場（或稱之為無形市場），后面兩種是有組織的市場。三、數據要素流通和交易中的問題三、數據要素流通和交易中的問題1 1、當前我國數據要素市場體系構建中的主要市場類別、當前我國數據要素市場體系構建中的主要市場類別數據要素市場的主體可以分為三類：企業、政府及企事業單位和個人。每一類主體分別對應企業數據、公共數據和個人數據，這一分類雖不絕對，但有助于我們理解市場結構。顯然，個人目前尚不是主要的參與者，盡管個人數據的未來研究潛力巨大。例如，有

103、學者對韓國的 MyData 模式進行了深入研究，值得我們關注。企業間流通市場、公共數據授權運營以及政府與事業單位采購數據，是我們重點考慮的方面。因此，最主要的市場類別，是企業之間最主要的市場類別，是企業之間流通和公共數據授權運營。流通和公共數據授權運營。就公共數據的授權運營來說，國家數據局即將發布促進公共數據資源開發利用的政策指導，將為公共數據的授權運營提供方向。因此，應重點考慮企業間流通市場。從市場交易場所（marketplace）的形態來看，根據“數據二十條”，我們國家鼓勵企業間的直接交易，這種形式可以被視作一種無形市場，也有人稱之為場外市場。當前盡管企業間這種交易形態占據主流地位，國家也

104、期待未來能形成有組織的市場和各種交易場所，未來將建立國家級、區域性及行業性的交易場所。這些并不局限于具體的交易所或交易機構，而是廣義上的“交易場所”。從市場體系來看，主要包括供方和需方、第三方服務商參與者體系，以及合適的正式制度以及規范的交易規則和標準體系。2 2、數據要素流通交易中存在的微觀問題、數據要素流通交易中存在的微觀問題當前我們面臨的問題眾多。比如，數據要素市場對數據要素、數據價值以及數據流通的認知不足，缺乏技術支持，及企業數據管理和應用產品開發的能力不足，供方缺乏驅動力（包括經濟動力和合法性要求）等等。1 1）數據流通和交易不活躍問題）數據流通和交易不活躍問題首先，高質量數據的供應

105、源頭不足。首先，高質量數據的供應源頭不足。為解決這個問題，加大公共數據的供應及授權運營顯得尤為重要。同時，也要鼓勵像阿里巴巴瓴羊這樣的互聯網平臺公司，在合規的前提下為市場提供所需的數據。其次，成規模的應用領域不足。其次，成規模的應用領域不足。當前成規模的應用領域主要集中在精準營銷和信貸服務上，而像工業制造等其他領域的市場規模仍然非常有限，甚至尚未形成有效的市場。為了推動成規模應用領域的發展，國家數據局已經推出了數據要素乘數行動三年行動計劃，旨在激活并擴大這些成規模的應用領域和應用場景。最后，流通和交易效率低。最后，流通和交易效率低。數據市場是 B2B 交易，即便是標準化產品，交易的完成通常需要

106、至少三個月的時間，而個性化產品或涉及模型應用類的產品交易則需要更長的時間，這是因為需方需要詳細了解模型的構建方式及其適用性，增加了交易過程中的復雜性。此外，我們最近對一些企業進行調查，詳細核算完成一個訂單簽約所需的總成本。結果顯示，這些成本通常占到合約收入的10%到20%。如果選擇在平臺上進行交易，企業面臨的成本還包括平臺注冊費、產品合規性審查費等。例如，某些交易平臺公布的合規審查費用可能高達3萬至20萬人民幣，這對許多企業來說是一個比較大的經濟負擔。除了這些直接成本之外，市場上可用的專業服務和服務機構不足也是導致交易效率低的重要因素。缺乏足夠的第三方專業服務力量意味著每個交易的處理時間和所需

107、的人力物力都會增加，進一步推高了總體成本。2 2）數據流通和交易合規成本高）數據流通和交易合規成本高首先是數據流通制度不完善。首先是數據流通制度不完善。也就是說，政府有關部門發布的文件在指導如何合規操作方面仍然缺乏明確的指引，導致企業在實際操作中難以判斷自己的做法是否合規。同時，三大相關法律對于數據合規的指導也不夠具體。此外，企業自身的自我規制能力不足也是一個問題，許多企業缺乏專業的數據合規人員，也難以獲得外部適當的第三方專業支持。因此，接下來我國需要重點提升這方面的能力，解決這些數據合規相關的問題。合規是數據要素高效流通的前提，需要在合規方面加大力度，確保數據交易流通既符合法律要求又能保持高

108、效率。產權問題也是合規中的一個關鍵方面。產權問題也是合規中的一個關鍵方面?！皵祿畻l”提出了“三權分置”的概念，這一進程已經有了一個良好的開端。目前，學術界已經在研究數據產權的問題，這對于構建具有中國特色的數據產權制度至關重要。接下來的挑戰是針對不同現實場景中的權利配置問題，需要有一個具有可操作性的規范。雖然數據產權配置及其保護是一個長期性的課題，需要持續研究，但目前至少先要解決數據合規高效流通中的堵點問題，之后可以逐步深入探索更深層次的問題。3 3）其他問題）其他問題另外，數據流通交易領域當前存在的問題還有：數據流通交易安全風險防范與監管體系不健全、可信流通技術與基礎設施不成熟等。因此，上

109、述這些問題的求解思路：一是以促進數據要素合規高效流通使用為主線；二是上述這些問題的求解思路：一是以促進數據要素合規高效流通使用為主線；二是制度體系構建和實踐探索雙輪聯動、迭代驅動。制度體系構建和實踐探索雙輪聯動、迭代驅動。在當前制度體系建設的過程中，確實需要從最急迫、最關鍵的問題入手。面對眾多問題，我們必須抓住主要矛盾，并通過制度規范和政策引導來鼓勵企業開展實際的應用和創新。整個數據要素流通市場的建設目前問題雖多，但應在實踐中發展，在發展中完善，這是“數據二十條”明確的基本原則。因此，我們的主要我們的主要策略應該包括加強數據供給、激活有效需求、建立完善的規則、培育健康的市場生態以及促策略應該包

110、括加強數據供給、激活有效需求、建立完善的規則、培育健康的市場生態以及促進流通和交易技術創新，這些維度共同構成了解決關鍵問題的基本框架。進流通和交易技術創新，這些維度共同構成了解決關鍵問題的基本框架。鄒傳偉：消費者如何參與數據要素市場？鄒傳偉：消費者如何參與數據要素市場？鄒傳偉 上海金融與發展實驗室前沿金融研究中心主任，萬向區塊鏈首席經濟學家以下觀點整理自鄒傳偉在 CMF 宏觀經濟熱點問題研討會（第83期）上的發言一、消費者參與數據要素市場的重要性一、消費者參與數據要素市場的重要性第一，中國數字經濟平臺的商業實踐第一，中國數字經濟平臺的商業實踐(主要是電商、線上廣告和在線金融主要是電商、線上廣告

111、和在線金融)已充分證明消已充分證明消費者個人數據的貨幣化價值。費者個人數據的貨幣化價值。比如將消費者個人數據應用在商品推薦、在線消費信貸、金融產品的精準營銷中，在中國已經產生很多高估值的公司。但同時，這也造成了隱私保護、市場公平競爭和信息孤島等方面的問題。2020年后中國對數字經濟、數字金融領域的整治都在針對這些問題。第二，在當前要素市場發展過程中，消費者個人數據如何在保護隱私的情況下進行有效第二，在當前要素市場發展過程中，消費者個人數據如何在保護隱私的情況下進行有效流通，始終是當前數據要素市場發展中的核心問題。流通，始終是當前數據要素市場發展中的核心問題。具體的，無論是立法層面還是行業實踐層

112、面，消費者個人數據怎樣適配“數據二十條”確立的數據產權制度（數據資源持有權、數據加工使用權、數據產品經營權三權分置）、流通交易制度、收益分配制度（初次分配按“誰投入、誰貢獻、誰受益”原則）以及安全治理制度，仍存在許多開放問題。第三，消費者以主動、知情方式參與數據要素市場并擁有相關權益，有助于改善收入分第三，消費者以主動、知情方式參與數據要素市場并擁有相關權益，有助于改善收入分配及發展新質生產力。配及發展新質生產力。目前，消費者是以被動和不知情的情況下參與數據要素市場，并且不擁有相關的權益。我們怎樣從第一性原理來看待這些問題？這需要回到數據的技術和經濟學上的基本特征來考察。二、數據要素的共性二、

113、數據要素的共性數據要素的共性問題，對個人數據、非人格化的數據和政府掌握的公共數據都適用。1 1、數據加工是創造價值的、數據加工是創造價值的第一，數據在 DIKW（數據-信息-知識-智慧）框架中提升得越高，價值越高。簡單來說，這個框架是一個金字塔結構，從作為原材料的數據到經過加工后的數據產品，越往上價值含量越高，也就是說數據加工可以創造價值。第二，數據聚合后的價值大于部分之和（數據的外部性）。數據需要經過一些專業手段進行匯集，在這個過程中會產生規模經濟。2 2、數據參與資源配置、數據參與資源配置大部分數據具有非排他性、非競爭性和非標準化等特點，需要通過一系列制度安排和技術支持才能參與資源配置。第

114、一，制度的重要性遠大于技術。盡管近期對隱私計算技術（如可驗證計算、同態加密和安全多方計算）的討論日益增多，并且中國已涌現出許多相關初創公司，但從當前時點來看，制度的重要性遠超技術本身。這些隱私計算技術主要應用于價值最高的數據部分，由于其成本和效率限制，不適合廣泛使用于大部分數據。第二，所有這些制度和技術的目標，是為了使數據要素在市場資源配置過程中的屬性，從更接近公共產品轉變為更接近私人產品。3 3、數據要素的公允價格來自于活躍的市場活動、數據要素的公允價格來自于活躍的市場活動第一，市場產生的價格不可能被成本法、評估法等替代。無論成本法或其他評估方法的有效性如何，它們都無法替代在市場中真實的數據

115、交易流通中形成的價格。第二，公允價值是數據要素入表并參與金融活動的基礎。例如將數據作為抵押品進行借貸，或在上市公司財務報表中數據要素的價值體現在公司股價中。公允價值在這類金融活動中是不可或缺的，如果處理不當，將可能引發嚴重的金融風險。三、消費者個人數據的特殊性三、消費者個人數據的特殊性1 1、消費者個人數據權利的界定、消費者個人數據權利的界定就客觀事實而言，許多消費者的個人數據是在數字平臺上主動或被動披露的，尤其是如果不提供個人數據，一些功能則無法使用。對消費者個人數據的追蹤和收集通常由互聯網平臺完成，背后依賴于先進的技術和基礎設施。我們沒必要過于糾結于數據的所有權，正如聯我們沒必要過于糾結于

116、數據的所有權，正如聯合國貿易與發展會議合國貿易與發展會議20212021年發布的年發布的數字經濟報告數字經濟報告所述所述，應更強調數據權利應更強調數據權利（DataData rightsrights）而非數據所有權（而非數據所有權（DataData ownershipownership）。）。數據權利主要體現為對數據的訪問、控制和使用權。在具體場景中，消費者個人數據的確權關鍵在于界定消費者作為數據主體和互聯網平臺作為數據實際控制方之間的權利和義務關系。歐盟的通用數據保護條例（GDPR）在這方面設定了“金標準”，而我國的個人信息保護法在很大程度上借鑒了歐盟的經驗，在實踐中集中體現為“告知-同意”

117、機制。從市場發展的角度來看，可以限制平臺的某些權利，要求它們打破數據孤島，確保平臺具有數據的互操作性。盡管糾正互聯網平臺在數據要素市場中的行為固然重要，但更為有效的舉措可能是提高對消費者個人權益的保障力度，賦予消費者更大的議價權利，特別是更好地保障其可攜帶和可刪除數據的權利。這樣一來，消費者的自發努力更能為市場注入各種創新的活力，并有效地規范平臺的行為。2 2、消費者個人不適合直接進入數據要素市場、消費者個人不適合直接進入數據要素市場數據要素市場并不像股票交易市場，數據要素很多特征決定了消費者個人不適合直接進入該市場，他們需要一些中介和專業機構的幫助。第一，隱私悖論。第一，隱私悖論。許多研究表

118、明，如果問消費者隱私對他們來說有多重要，很多人會說非常重要。然而，觀察消費者的實際行為，如在互聯網平臺上，為了享受某種服務，他們必須提供一些個人隱私數據，我們發現消費者對個人數據的定價實際上是非常低的，可能只需要幾十塊錢就會讓渡一些個人數據。第二，專業門檻和規模經濟的影響。第二，專業門檻和規模經濟的影響。由于涉及數據的非標準化、產權形態和定價的復雜性，讓個人參與這個市場并從中獲取收益是面臨著高度的專業門檻的，并且也不具備規模經濟。四、金融是理解數據要素市場的最佳視角四、金融是理解數據要素市場的最佳視角1 1、數據要素市場與金融系統的相似之處、數據要素市場與金融系統的相似之處觀察國內外對數據要素

119、市場的各種探索，不論是實踐中還是理論上，我們可以看到有數據交易所、數據銀行、數據信托、數據經紀商、數據合作社等各種概念。如果我們抽掉“數據”這個字眼，這些概念基本上都是一些金融組織形態。實際上，無論是理論探討還是行業實踐，數據要素市場都在借鑒金融系統的一些做法。這一現象背后存在一些深刻原因：第一，金融系統和數據要素市場都不涉及實物商品的生產和流轉，處理的要么是資金要么是數據。第二，數據要素市場的許多活動都在金融市場中有相應對應。例如，數據價值隨著數據在 DIKW 框架中提升而增加，這與金融市場中資金流向收益最高的方向的現象對應。第三，數據聚合是價值產生的關鍵。金融市場的存在，部分原因是社會零散

120、資金的聚合能夠支持那些單個個體無法進行的投資活動，如大規模投資及承擔高風險的創新活動。因此，資金的匯集在社會中是不可替代的。在金融市場，這種資金匯集是通過金融市場和金融中介的一系列活動實現的。第四，數據要素具有公允的價格，這對應金融市場的價格發現功能。在中國，數據交易所的交易機制，典型地采用買單和賣單撮合方式，類似于金融交易所的操作。第五，消費者通常不適合直接進入數據要素市場，這與個人將資金委托給基金公司或存入商業銀行，再由銀行進行市場放貸的做法相對應，本質上體現了金融中介在專業性和規模經濟方面的功能。數據要素市場和金融系統二者內部存在的底層邏輯同構關系，引申出一個討論：數據要素市場是更接近于

121、直接金融（對應著場內外的數據交易），還是間接金融（對應著數據銀行、信托、經紀商和合作社等）？這一問題在中國具有現實意義，尤其是考慮到數字交易所的發展情況不甚樂觀，數據要素市場應更多借鑒間接金融的做法。2 2、數據要素市場發展離不開金融系統的支持、數據要素市場發展離不開金融系統的支持第一，中國的數字基建平臺實踐表明，個人數據的貨幣化依賴于金融系統。例如，基于個人線上行為數據發放消費信貸和通過支付 App 銷售金融產品，已成為個人數據貨幣化的主要渠道，這一渠道的體量超過了廣告和電商。第二，數據入表后要通過金融系統才能變現。數據入表后，企業能夠真正從中開展一些商業活動、形成商業閉環，無論是通過抵押貸

122、款還是通過上市公司估值重構的方式，實際上也依賴于金融系統的支持。然而，需要注意的是，如果數據入表沒有體現公允價值，而是通需要注意的是，如果數據入表沒有體現公允價值，而是通過虛高的價格進行抵押貸款，或進入上市公司的報表，這無疑是市場潛在的風險點。因此，過虛高的價格進行抵押貸款，或進入上市公司的報表，這無疑是市場潛在的風險點。因此，在市場發展的早期，這也是需要注意的。在市場發展的早期，這也是需要注意的。3 3、金融是最早開展數據管理的行業、金融是最早開展數據管理的行業根據歐盟通用數據保護條例（GDPR），個人數據的收集須征得當事人知情同意，個人數據的對外使用需得到授權，信息有一定保留期限，并且個人

123、擁有數據刪除的權利。而在全球范圍內，個人征信行業很早便已實施類似的做法?？梢酝茰y，GDPR 在一定程度上可能參考了個人征信行業的做法，因為該行業受到嚴格監管。在反洗錢領域中，“旅行規則”非常重要。這些規則要求在資金流轉的各個環節中傳輸資金來源及其背后相關人員的信息，這是現代金融業開展數據管理非常重要的環節。在金融領域，開放銀行是一個顯著趨勢。開放銀行允許在個人授權的情況下，A 銀行的數據可以通過 B 銀行的應用程序進行整合，這不僅體現了個人數據的可攜帶權，也是數據聚合方面的先進實踐。盡管在非金融領域消費者很難體會到這些實踐，但在開放銀行中已相當成熟。4 4、金融為數據要素市場提供了、金融為數據

124、要素市場提供了“試驗田試驗田”第一，消費者對自己數據的可攜帶權與互聯網平臺的商業利益之間的平衡。通過分析金融領域的案例，我們可以獲得許多重要的參考信息。前面已指出，相較于糾正互聯網平臺的行為，加強個人消費者對自身數據權益的保護顯得更為有效，其中尤以數據的可攜帶權為重。雖然我國亦要求互聯網平臺打破“圍墻花園”，推動數據的開放共享，但數據可攜帶權在實踐中效果并不理想，主要是由于不同平臺的數據格式不統一，實際操作困難。這一點在開放銀行的實踐中亦有所體現，核心原因在于平臺更加重視自身的商業利益，沒有有力保障消費者的可攜帶權。這種市場失靈的情況需要政府通過政策進行糾正。第二，互聯網平臺參與數據要素市場要

125、解決激勵相容問題。要求互聯網平臺開放共享數據，會影響其在數據收集環節的成本和積極性。這一問題在金融領域，尤其是百行征信與股東在數據上的合作效果，以及征信數據“斷直連”的實施效果中都有體現。這表明，在推動市場發展時，雖然需要政府發揮主導作用，但也必須精心設計商業機構的激勵機制，做到激勵相容。第三，在金融行業的國際實踐中，韓國的 MyData 模式和印度的 IndiaStack 提供了與中國不同的解決方案。這些方案針對個人數據建立了一套適合各自國情的基礎設施，通過技術手段有效地平衡了平臺對數據的控制權和個人數據權益（特別是數據可攜帶性權益）。韓國的 MyData 模式起源于北歐國家，其在韓國得到了

126、有效實踐。該模式支持個人管理和控制自己的數據，并根據個人意愿將相關數據應用于信用管理和資產管理的一系列流程，推動了從以機構為中心向以數據主體個人為中心的管理模式轉變，通過為個人賦能的方式糾正機構的行為。韓國通過其金融管理委員會對 MyData 進行監管，并發放相關牌照。在韓國，持有 MyData 牌照的機構不僅包括互聯網機構和電信運營商，也包括金融機構。MyData 模式使個人能夠一次性查詢分散在不同機構和企業的個人數據，并可以主動地、有選擇性地向企業提供個人數據，用于推薦商品或服務。來源：安光勇2022年MyData 的緣起與應用印度的 India Stack（“印度堆?！保﹦t是建立在全國范

127、圍內的生物識別身份數據庫 Aadhaar之上的，這個系統由印度聯邦身份證管理局（UIA）管理，與照片、指紋和虹膜數據相連，旨在解決移動支付、普惠金融和政府補助發放等問題。在 Aadhaar 基礎上，India Stack 包括統一支付界面（Unified Payments Interface），建立包含銀行和支付 App 的移動支付系統，以及 DigiLocker 數據庫，包括 Aadhaar 卡的細節，駕照，車輛登記，教育資質，以及醫療文檔。相關數據可被驗證，并在用戶同意的情況下共享。來源：https:/ eID。比如，在入住酒店等場景中可以簡化身份驗證過程，將來可以不用出具身份證而直接使用

128、 eID，從而能增強隱私保護。然而，我國沒有將 eID 與支付及個人信息管理系統相結合。林琳：數據要素市場流通體系建設與賦能經濟發展林琳：數據要素市場流通體系建設與賦能經濟發展林琳 中國移動研究院用戶與市場所所長以下觀點整理自林琳在 CMF 宏觀經濟熱點問題研討會（第83期）上的發言一、關于市場流通體系建設的思考一、關于市場流通體系建設的思考數據要素因其具有強流動性、非均質性、強融合性、安全敏感性等特征，使得數據要素市場體系的構建相對復雜，涉及的主體眾多，產品類型多樣，技術含量高，安全風險也相應增大。構建有效的數據要素市場交易和流通體系并解答好其中的基本問題，是發揮數據要素構建有效的數據要素市

129、場交易和流通體系并解答好其中的基本問題，是發揮數據要素重要作用的關鍵，也是解決市場動能不足的根本途徑。重要作用的關鍵，也是解決市場動能不足的根本途徑。馬克思在資本論中分析了社會再生產的四個環節：生產、交換、消費（流通）、分配。隨著社會生產力的發展和社會分工的深化，流通從簡單的商品流通轉化為貨幣流通，并進一步演化為資本流通。在信息時代，數據要素的流通是一個全新命題。解決這一問題，需要考慮以下問題：第一，數據要素市場流通的是數據資源還是數據產品和服務？第二，數據要素市場流通是完成商品的轉移，還是數據要素由供給端向需求端流動的過程？第一，數據要素的流通市場既包括數據資源的流通也包括數據產品和服務的流

130、通。與短鏈條的商品交易不同，數據要素的交易是一個長鏈條過程。數據資源通常是原始、無序的，只有經過開發變為可用、可信、符合標準的高質量數據資源，才具備流通的基礎。而數據產品和服務則是以使用方需求為導向，整合多元數據及技術方案形成的。這兩者雖然都屬于數據要素流通市場的一部分，但具有不同的特點。所以，在考慮流通市場建設時，應把這兩類予以區分作相應的制度建設。第二，數據要素流通不一定要完成商品從生產側到消費側的轉移，完成了數據要素使用價值的實現過程也是數據要素的流通。因此，需要探討數據資源、數據產品和服務這兩類流通。從數據資源到數據產品和服務，如果看作自下而上的兩層，數據資源在下層，數據產品和服務在上

131、層，則存在這樣的特征：越往下越依賴資源，越往上越依賴技術；越往下附加價值越低，越往上附加價值越高；越往下安全敏感性要求越高，越往上安全敏感性越弱；越往下可復制性越強，越往上可復制性越弱。因此，這兩種市場屬于不同的流通類型。在數據資源產品流通市場中，主供給體多為數據資源富集型企業或政府。這類數據供給方數據不出域，自身對合規和安全負責，數據單價低，數據調用量大，適合采用政府指導價的定價模式。而數據產品和服務的流通市場通常由數據服務商或技術服務商根據客戶需求設計產品和服務，并從數據資源市場購買必要的使用權，采用多方安全計算等模式完成供給。這種市場的價值只有在最終客戶愿意買單時才能實現，流通過程也通過

132、市場化的價格形成機制來完成。也就是說，通過市場化手段最終完成價值交付過程，而該過程當中的利益分配也通過市場化機制實現。因此，合理設計這兩類市場的流通模式，有助于解決以下問題：第一，供應端的“放心供”、“供得出”問題，如合規成本、數據安全問題，各類供給各負其責；第二，數據的二次流通不可控問題，避免數據的復制和多次流通所帶來的安全問題；第三，提高供方市場的數據可信度，例如，在數據資源市場，可以采用登記運營的方式，借鑒媒體采編權的管理模式，實行審批制度，以提高數據惡意造假或虛假供給的壁壘。如果能夠有效解決數據資源市場與數據產品和服務市場的流通問題，許多當前面臨的難題，例如公共數據的授權運營問題和科研

133、數據共享激勵問題等，也能得到較好的解決。公共數據的授權運營可以主要考慮放在數據資源市場流通范疇內登記供給，而授權運營后的產品或服務則進入數據產品服務流通市場，從而滿足價值鏈的實現過程。關于定價問題，從電信行業的業務資費管理實踐來看，經歷了從政府定價到市場定價的轉變歷程，對數據要素定價也是具有借鑒意義的。電信行業在1995年確立了政府定價原則，隨后在2009年實施了政府指導價進行上限管理，再到政府指導價與市場調節價的雙軌制，最終在2014年確立了“市場調節價”原則。這一經驗可以應用于數據要素市場的定價策略。數據資源市場，適宜采用政府指導價，并實行價格上限管理；而數據產品和服務市場，則適宜應采用市

134、場調節價，讓市場決定價格，根據需求方對產品價值的認知和需求的強度來決定價格。此外，考慮到數據要素市場與電信業務的相似性，尤其是在成本結構方面，采用成本加成定價模式在數據要素市場中的適用性也值得探討。電信業的成本主要包括基礎設施、人員運維和電費等，這些成本難以直接折算到每項具體服務上。同時，技術迭代的快速變化也會使得成本變動周期短，對價格管理帶來挑戰。二、數據要素賦能經濟發展的實踐觀察二、數據要素賦能經濟發展的實踐觀察1 1、從、從產業產業數字化角度看數據賦能經濟發展數字化角度看數據賦能經濟發展數據實際上貫穿于企業的研發、采購、生產、運營、管理、銷售、服務等各個環節，產業數字化進程實際上是數據要

135、素應用不斷深化拓展、數據要素的價值逐步得到釋放的過程。從產業數字化的視角來看，數據要素作用的發揮經歷信息化、數字化和智能化這三個發展階段。1 1）信息化階段始于上世紀90年代，主要實現業務數據化，數據線上化。2 2）在數字化階）在數字化階段，主要解決了多元數據互通和數據智能分析問題。段，主要解決了多元數據互通和數據智能分析問題。受益于云計算、大數據、人工智能、物聯網等新技術的發展，海量數據上云，打破信息化階段的系統壁壘、部門壁壘，實現跨部門、跨業務單元的系統互通、數據互聯。數據在生產管理決策、市場客戶洞察、運營效率改善等諸多方面發揮了重要作用。此階段數據的深度應用展現了三個主要趨勢：第一，數據

136、應用的規模逐漸提升，從業務數據、用戶數據、流程數據的應用轉向全域數據的應用；第二，數據應用的深度逐步增強，實現了更快捷的應用連接和更強大的數據智能分析；第三，數據應用的協同程度得到了提升，從本地業務域單點數據的應用，轉向跨空間、跨業務域、跨邏輯架構的數據集成和協同應用。3 3）下一步下一步產業數字化將走向智能化階段產業數字化將走向智能化階段，實現數據驅動運營實現數據驅動運營，精精準高效決策。準高效決策。該階段特征主要是人工智能等相關技術的引入，以“數智驅動”代替“人智驅動”，來實現系統設備、機器、終端的自適應和自校正等功能。根據工信部十四五智能制造發展規劃，到2025年，重點骨干企業將初步應用

137、智能化，到2035年，重點骨干行業企業將基本實現智能化。2 2、數據要素在制造業的運用帶來的范式躍遷、數據要素在制造業的運用帶來的范式躍遷1 1）生產制造范式從人工驅動向智能決策躍遷）生產制造范式從人工驅動向智能決策躍遷在生產制造過程中在生產制造過程中，分析分析、決策控制和執行環節均決策控制和執行環節均逐步逐步由數據驅動替代傳統的人工驅動由數據驅動替代傳統的人工驅動，實現精益化生產的目標。實現精益化生產的目標。例如，在設計研發環節來提高工作效率和降低時間成本，海爾與亞馬遜云科技聯合打造了一個 AI 解決方案，應用于新品設計和改款設計等工業設計環節。該解決方案使海爾創新設計中心的整體概念設計速度

138、提升了83%，集成渲染效率提升了約90%。此外，百度文心大模型在應用于 TCL 的生產線后，新生產線的開發周期縮短了30%。據咨詢公司Gartner 預測，到2027年，30%的制造商將采用生成式 AI 技術來提高產品研發效率。在生產制造環節中在生產制造環節中，數據用于提高自動化和質量控制水平數據用于提高自動化和質量控制水平，降低人工和材料的損耗成本降低人工和材料的損耗成本。例如，上海傳之神公司開發的多模態大模型，結合視覺、工藝、工況數據，用于指導單晶爐的自動化控制流程，測試結果顯示，在90%的識別判斷需求中實現了近100%的準確率，解決了之前需人工介入判斷的問題。一家數控機床制造企業利用數據

139、，將非正常斷機的端到端時延縮短至5ms，避免了主軸工作異常對設備造成的損害，每年可節約成本約3000萬，停機時長減少約200小時。在營銷服務環節在營銷服務環節低人工成本。低人工成本。例如，中國移動客服體系通過引入九天大模型，原先需10萬人服務的10億客戶，現在僅需4萬人即可勝任。2 2）管理運營范式從分散管理到統籌管控躍遷）管理運營范式從分散管理到統籌管控躍遷企業逐漸打破系統割裂、數據孤立的煙囪式管理框架，通過集成全流程、跨系統的數據來實現統籌的規劃管理。中國移動研究院在對多家企業進行調研后發現，引入數字化技術顯著助理企業運營管理，64%的企業認為能節省辦公、管理和營銷費用，52%的企業認為對

140、保障數據安全有顯著改善，46%的企業認為可以提升其內部運營管理效率。例如，創新奇智公司的工業大模型能夠打通 MES 制造執行系統、QMS 質量管理系統、EAM 設備管理系統等多個系統的數據，通過多輪自然語言對話匯總數據，形成實時分析功能，目前已在面板半導體、汽車裝備等領域實現了商業落地。3 3）產業協同范式從信息互聯到運營協同的躍遷）產業協同范式從信息互聯到運營協同的躍遷即從基于訂單的點狀信息到信息互聯，再到研發、生產、采購、倉儲及物流等各環節的產業鏈上下游數據的貫通與協同轉變，支撐各環節上下游的協同運營與決策，推動產業向資源虛擬化配置、平臺化運營和網絡化協同發展，促進產業內信任合作與價值共創

141、共享。以汽車制造業為例，前期調研顯示，一些大型車廠在其供應鏈管理中，已實現基于數據互通的產業鏈協同生產運營管理。4 4）業態創新范式從局域應用到廣域應用躍遷）業態創新范式從局域應用到廣域應用躍遷新型智能終端應用范圍由局域網向更廣闊的范圍拓展，實現廣域網內終端與終端間、終端與環境間的實時交互，突破地域與空間限制，拓展新場景、新服務。這反映了數據要素在產業數字化中帶來的價值貢獻。然而，制造業在產業數字化的深化實施中也遇到了發展瓶頸，主要表現為轉型慢和轉型難。這些問題主要源于供需雙方的知識儲備差異以及解決方案規劃和實施中的高成本和長周期。數據問題在兩個方面尤為突出：首先是數據集成問題，工業數據的多元

142、異構性使得數據互通困難，Gartner 調研顯示82%的制造企業存在數據孤島，所以在響應效率和運營效率方面仍存在問題；其次是數據流通問題，企業對數據安全和隱私的顧慮程度更高，制約了數據的有效流通，需要進一步挖掘如何實現數據價值的流通。下一步，在制造業產業數字化轉型的深化進程中，若無法有效利用數據和模型發揮知識與經驗的通用價值，則難以突破現有瓶頸。因此，數據要素在數據要素在產業數字化產業數字化的應用必須進一步推向數字化和智能化，這是未來需要解決的的應用必須進一步推向數字化和智能化，這是未來需要解決的關鍵問題。關鍵問題。3、數據要素在營銷領域是數據資源與數據產品服務的發揮數據要素價值的典型應用領域

143、，大量實踐案例也凸顯了數字技術服務商的重要作用。數字化營銷以“數據數據+技術技術”的雙重驅動模式，融通多源數據并，依托多種智能技術，實現了營銷各環節的智能化，全面實現更廣域的數據、更精準的觸達、更敏捷的營銷。與傳統營銷模式相比，數字化營銷的第一個顯著特征是從“以產品為中心”的單向、線性模式，轉變為“以客戶為中心”的閉環模式；第二個特征是依托技術融通客戶全旅程的數據，協同全渠道觸點，解決了傳統模式中數據與渠道相對割裂問題；第三個特征是基于數據，結合智能營銷技術工具，實現了營銷全流程的智能化，包括客戶精準的觸達以及效果實時評估與策略動態調整。這樣，整體的營銷效率得到了大幅度的提升。在數字化營銷的應

144、用中，我們常面臨數據問題。這些問題在不同類型的企業中有不同的解決策略。例如，像抖音、BAT 等頭部科技公司，作為具有原生數字化基因的企業，具有強大的數據和技術能力，對他們而言，數據問題較容易解決。對于數據富集但技術能力相對較弱的企業，如銀行和保險公司，通常通過自主研發或引入外部能力來提升其數字化營銷能力。而對于那些數據和技術基礎較弱的傳統企業，如快消品和餐飲公司，數據的獲取與整合則更為困難。這種場景下，數據服務商發揮了關鍵作用。在數據方面，他們借助數據管理平臺，整合公域和私域數據來形成數據沉淀；在技術能力的方面，通過技術服務商的工具和單次單場景營銷活動逐步沉淀數據和能力。一些 IT 統籌能力比較強的公司也在此過程中逐步建立起了自己的技術能力和系統，盤活整個服務的數據鏈條。實踐中，數字化營銷服務成效顯著。例如，在某些省份實施的號、卡端到端數字化營銷方案，開卡的月均提升率能達到15%。在一些省公司實施的數字化營銷方案，融合業務的轉化率有時能達到200%以上。這些都是典型的數據要素在賦能經濟方面發揮的價值和作用。